Czy wariancja sumy jest równa sumie wariancji?


62

Czy to (zawsze) prawda, że

Var(i=1mXi)=i=1mVar(Xi)?

3
Poniższe odpowiedzi stanowią dowód. Intuicyję można zobaczyć w prostym przypadku var (x + y): jeśli x i y są dodatnio skorelowane, oba będą zwykle duże / małe razem, zwiększając całkowitą zmienność. Jeśli są skorelowane ujemnie, będą się wzajemnie anulować, zmniejszając całkowitą zmienność.
Assad Ebrahim,

Odpowiedzi:


91

Odpowiedź na twoje pytanie brzmi „czasami, ale nie ogólnie”.

Aby to zobaczyć, niech będą zmiennymi losowymi (ze skończonymi wariancjami). Następnie,X1,...,Xn

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

Teraz zauważ, że , co jest jasne, jeśli pomyśl o tym, co robisz, obliczając ręcznie . W związku z tym,(i=1nai)2=i=1nj=1naiaj(a1+...+an)(a1+...+an)

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

podobnie,

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

więc

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

z definicji kowariancji.

Teraz dotyczy Czy wariancja sumy jest równa sumie wariancji? :

  • Jeśli zmienne są nieskorelowane, tak : to znaczy dla , a następniecov(Xi,Xj)=0ij

    var(i=1nXi)=i=1nj=1ncov(Xi,Xj)=i=1ncov(Xi,Xi)=i=1nvar(Xi)
  • Jeśli zmienne są skorelowane, nie, nie ogólnie : Załóżmy na przykład, że są dwiema losowymi zmiennymi, z których każda ma wariancję i gdzie . Następnie , więc tożsamość nie powiedzie się.X1,X2σ2cov(X1,X2)=ρ0<ρ<σ2var(X1+X2)=2(σ2+ρ)2σ2

  • ale jest to możliwe w przypadku niektórych przykładów : Załóżmy że mają macierz kowariancji następnieX1,X2,X3

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

Dlatego jeśli zmienne są nieskorelowane, wówczas wariancja sumy jest sumą wariancji, ale odwrotnie nie jest ogólnie prawdą.


W odniesieniu do przykładowej macierzy kowariancji jest następująca poprawność: symetria między górnymi prawymi i dolnymi lewymi trójkątami odzwierciedla fakt, że , ale symetria między lewym górnym a prawym dolnym rogu (w tym przypadku to tylko część przykładu, ale można go zastąpić dwoma różnymi liczby, które sumują się do np. ai ? Jeszcze raz dziękujęcov(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).

Tak więc, jeśli kowariancje średnio wynoszą , co byłoby konsekwencją, gdyby zmienne były nieskorelowane parami lub były niezależne, wówczas wariancja sumy jest sumą wariancji.0

Przykład, w którym nie jest to prawdą: Niech . Niech . Następnie .X 2 = X 1 Var ( X 1 + X 2 ) = Var ( 2 X 1 ) = 4Var(X1)=1X2=X1Var(X1+X2)=Var(2X1)=4


Rzadko będzie to prawdą w przypadku odchyleń próbek.
DW

1
@DWin, „rzadki” to niedopowiedzenie - jeśli mają ciągły rozkład, prawdopodobieństwo, że wariancja próbki sumy jest równa sumie wariancji próbki dokładnie 0 :)X
Macro

15

Chciałem tylko dodać bardziej zwięzłą wersję dowodu podanego przez Macro, więc łatwiej jest zobaczyć, co się dzieje.

Zauważ, że ponieważVar(X)=Cov(X,X)

Dla dwóch dowolnych zmiennych losowych mamy: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))
Zasadniczo zatem wariancja sumy dwóch zmiennych losowych nie jest sumą wariancji. Jeśli jednak są niezależne, to , a mamy .X,YE(XY)=E(X)E(Y)Var(X+Y)=Var(X)+Var(Y)

Zauważ, że możemy wygenerować wynik dla sumy zmiennych losowych za pomocą prostej indukcji.n


Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.