A variação de uma soma é igual à soma das variações?

62

É (sempre) verdade que

Var(i=1mXi)=i=1mVar(Xi)?
Abe
fonte
3
As respostas abaixo fornecem a prova. A intuição pode ser vista no caso simples var (x + y): se xey são correlacionados positivamente, ambos tendem a ser grandes / pequenos juntos, aumentando a variação total. Se eles estiverem correlacionados negativamente, tenderão a se cancelar, diminuindo a variação total.
Assad Ebrahim

Respostas:

91

A resposta para sua pergunta é "Às vezes, mas não em geral".

Para ver isso sejam variáveis ​​aleatórias (com variações finitas). Então,X1,...,Xn

var(i=1nXi)=E([i=1nXi]2)[E(i=1nXi)]2

Agora observe que , o que fica claro se você pense no que você está fazendo ao calcular manualmente. Portanto,(i=1nai)2=i=1nj=1naiaj(a1+...+an)(a1+...+an)

E([i=1nXi]2)=E(i=1nj=1nXiXj)=i=1nj=1nE(XiXj)

similarmente,

[E(i=1nXi)]2=[i=1nE(Xi)]2=i=1nj=1nE(Xi)E(Xj)

tão

var(i=1nXi)=i=1nj=1n(E(XiXj)E(Xi)E(Xj))=i=1nj=1ncov(Xi,Xj)

pela definição de covariância.

Agora, com relação A variação de uma soma é igual à soma das variações? :

  • Se as variáveis ​​não estiverem correlacionadas, sim : isto é, para , entãocov(Xi,Xj)=0ij

    var(i=1nXi)=i=1nj=1ncov(Xi,Xj)=i=1ncov(Xi,Xi)=i=1nvar(Xi)
  • Se as variáveis ​​estiverem correlacionadas, não, não em geral : por exemplo, suponha que sejam duas variáveis ​​aleatórias, cada uma com variação e que . Então , para que a identidade falhe.X1,X2σ2cov(X1,X2)=ρ0<ρ<σ2var(X1+X2)=2(σ2+ρ)2σ2

  • mas é possível para certos exemplos : suponha que tenham matriz de covariância entãoX1,X2,X3

    (10.40.60.410.20.60.21)
    var(X1+X2+X3)=3=var(X1)+var(X2)+var(X3)

Portanto, se as variáveis ​​não estão correlacionadas , a variação da soma é a soma das variações, mas o inverso não é verdadeiro em geral.

Macro
fonte
Com relação ao exemplo de matriz de covariância, está o seguinte correto: a simetria entre os triângulos superior direito e inferior esquerdo reflete o fato de que , mas a simetria entre o canto superior esquerdo e o canto inferior direito (nesse caso, é apenas parte do exemplo, mas pode ser substituído por dois diferentes números que somam por exemplo, e Obrigado novamente?.cov(Xi,Xj)=cov(Xj,Xi)cov(X1,X2)=cov(X2,X3)=0.30.6cov(X1,X2)=acov(X2,X,3)=0.6a
Abe
41

Var(i=1mXi)=i=1mVar(Xi)+2i<jCov(Xi,Xj).

Portanto, se as covariâncias forem médias a , o que seria uma conseqüência se as variáveis ​​não forem correlacionadas aos pares ou se forem independentes, a variação da soma é a soma das variações.0

Um exemplo em que isso não é verdade: Let . Deixe . Então .Var(X1)=1X2=X1Var(X1+X2)=Var(2X1)=4

Douglas Zare
fonte
Raramente será verdade para variações de amostra.
Dwin
11
@DWin, "raro" é um eufemismo - se os s têm uma distribuição contínua, a probabilidade de que a variância da amostra da soma é igual à soma das variâncias amostrais exatamente 0 :)X
Macro
15

Eu só queria adicionar uma versão mais sucinta da prova fornecida pela Macro, para que seja mais fácil ver o que está acontecendo.

Observe que, já queVar(X)=Cov(X,X)

Para quaisquer duas variáveis ​​aleatórias , temos:X,Y

Var(X+Y)=Cov(X+Y,X+Y)=E((X+Y)2)E(X+Y)E(X+Y)by expanding,=E(X2)(E(X))2+E(Y2)(E(Y))2+2(E(XY)E(X)E(Y))=Var(X)+Var(Y)+2(E(XY))E(X)E(Y))
Portanto, em geral, a variação da soma de duas variáveis ​​aleatórias não é a soma das variações. No entanto, se são independentes, então , e temos .X,YE(XY)=E(X)E(Y)Var(X+Y)=Var(X)+Var(Y)

Observe que podemos produzir o resultado para a soma de variáveis ​​aleatórias por uma simples indução.n

Omar Haque
fonte
11

Sim, se cada par de não estiver correlacionado, isso é verdade.Xi

Veja a explicação na Wikipedia

Abe
fonte
Concordo. Você também encontra uma (r) explicação simples sobre o Insight Things .
Jan Rothkegel