Notas 5
Notas 5
Notas 5
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
0<br />
H<br />
E[Y ] 2<br />
E[Y 2 ]<br />
V(Y )<br />
E[Y ] E[Y |X]<br />
V(E[Y |X])<br />
Y<br />
E[V(Y |X)]<br />
Figura 4: Teorema de Pitágoras: V(X) = E[V(Y |X)] + V(E[Y |X]) .<br />
La esperanza condicional E[Y |X] es el mejor predictor de Y basado en X<br />
1) La condición E[Y 2 ] < ∞ implica que E[Y |X] ∈ H:<br />
E[E[Y |X] 2 ] ≤ E[E[Y 2 |X]] = E[Y 2 ] < ∞.<br />
2) La ecuación funcional (22) significa que Y − E[Y |X] ⊥ H:<br />
〈Y − E[Y |X], h(X)〉 = 0 ⇐⇒ E[(Y − E[Y |X])h(X)] = 0<br />
⇐⇒ E[E[Y |X]h(X)] = E[Y h(X)].<br />
Por lo tanto, la esperanza condicional, E[Y |X], satisface las dos condiciones que caracterizan<br />
a la proyección ortogonal sobre el subespacio H y en consecuencia es el predictor de<br />
Y basado en X de error cuadrático mínimo:<br />
E[Y |X] = arg mín E[(Y − h(X))<br />
h(X)∈H<br />
2 ].<br />
El error cuadrático medio mínimo se puede expresar en la forma<br />
Y − E[Y |X] 2 = E[(Y − E[Y |X]) 2 ]<br />
= E[E[(Y − E[Y |X]) 2 |X]]<br />
= E[V(Y |X)].<br />
18