Voglio stimare la media di una funzione f, cioè
dove X e Y sono variabili casuali indipendenti. Ho dei campioni di f ma non iid: ci sono iid di campioni per Y 1 , Y 2 , ... Y n e per ogni Y i ci sono n i campioni da X : X i , 1 , X i , 2 , ...
EX, Y[ f( X, Y) ]
XYY1, Y2, ... YnYionioXXio , 1, Xio , 2, ... , Xio , nio
Quindi in totale ho dei campioni f( X1 , 1, Y1) ... f( X1 , n1, Y1) ... f( Xio , j, Yio) ... f( Xn , nn, Yn)
Per stimare la media I calcolare
OvviamenteEX,Y[μ]=EX,Y[f(X,Y)],quindiμè uno stimatore imparziale. Ora mi chiedo cosa siaVar(μ), ovvero la varianza dello stimatore.
μ = ∑i = 1n1 / n ∗ ∑j = 1niof( Xio , j, Yio)nio
EX, Y[ μ ] = EX, Y[f(X,Y) ]
μVa r ( μ )
Modifica 2: è questa la varianza corretta?
Va r ( μ ) = Va rY( μio)n+ ∑i = 1nVa rX( f( X, Yio) ) )nio∗ n2
nio= ∞nio= 1
Modifica (ignora questo):
μio= ∑nioj = 1f( Xio , j, Yio)nioEX[ f( X, Yio) ]
Usando la formula standard per la varianza possiamo scrivere:
Va r ( μ ) = 1 / n2Σl = 1nΣk = 1nCo v ( μl, μK)
1 / n2( ∑i = 1nVa r ( μl) + 1 / n2Σl = 1nΣk = l + 1n2 ∗ Co v ( μl, μK) )
Xio j1 / n2( ∑i = 1n1 / nioVa r ( f( Xio , j, Yio) ) + 1 / n2Σl = 1nΣk = l + 1n2 ∗ Co v ( μl, μK) )
Co v ( μl, μK)= Co v ( ∑j = 1nlf( Xj , l, Yl)nl, ∑j = 1nKf( Xj , k, YK)nK)= 1( nK∗ nl)∗ Co v ( ∑j = 1nlf( Xj , l, Yl) , ∑j = 1nKf( Xj , k, YK) )= 1( nK∗ nl)∗ ∑j = 1nlΣj = 1nKCo v ( f( X, Yl) , f( X, YK) )= nK∗ nl( nK∗ nl)Co v ( f( Xio , l, Yl) , f( Xio , k, YK) )= Co v ( f( X, Yl) , f( X, YK) )
1 / n2( ∑i = 1n1 / nioVa r ( f( X, Yio) ) + 1 / n2Σl = 1nΣk = l + 1n2 ∗ Co v ( f( X, Yl) , f( X, YK) ) )
Il calcolo sopra è corretto?
Co v ( f( X, Yl) , f( X, YK) ) )
La varianza converge a 0 se lascio andare n all'infinito?