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,(∑ni=1ai)2=∑ni=1∑nj=1aiaj(a1+...+an)⋅(a1+...+an)
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
⎛⎝⎜10.4−0.60.410.2−0.60.21⎞⎠⎟
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.
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)=0.6−a
Abe
41
Var(∑i=1mXi)=∑i=1mVar(Xi)+2∑i<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
@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
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
Respostas:
A resposta para sua pergunta é "Às vezes, mas não em geral".
Para ver isso sejam variáveis aleatórias (com variações finitas). Então,X1,...,Xn
Agora observe que , o que fica claro se você pense no que você está fazendo ao calcular manualmente. Portanto,(∑ni=1ai)2=∑ni=1∑nj=1aiaj (a1+...+an)⋅(a1+...+an)
similarmente,
tão
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)=0 i≠j
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,X2 σ2 cov(X1,X2)=ρ 0<ρ<σ2 var(X1+X2)=2(σ2+ρ)≠2σ2
mas é possível para certos exemplos : suponha que tenham matriz de covariância entãoX1,X2,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.
fonte
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)=1 X2=X1 Var(X1+X2)=Var(2X1)=4
fonte
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
Observe que podemos produzir o resultado para a soma de variáveis aleatórias por uma simples indução.n
fonte
Sim, se cada par de não estiver correlacionado, isso é verdade.Xi
Veja a explicação na Wikipedia
fonte