기댓값과 적분

기댓값은 확률 측도에 대한 확률 변수의 르베그 적분이며, 이산 변수의 합과 연속 변수의 적분을 통합하는 단일 개념으로 측도 이론에서 강력한 수렴 정리를 계승합니다.

Definition

확률 변수의 기댓값은 확률 측도에 대한 적분이며, 먼저 음이 아닌 변수에 대해 단순 근사의 상한으로 구성된 다음, 적분 가능한 변수에 대해 양의 부분과 음의 부분의 차이로 확장됩니다.

Scope

이 주제는 단순 확률 변수, 음이 아닌 확률 변수, 적분 가능한 확률 변수에 대한 기댓값의 구성, 단조 수렴 정리 및 지배 수렴 정리, 파투의 보조정리, 기댓값을 분포에 대한 적분과 연관시키는 변수 변환 공식, 모멘트와 Lp 공간, 옌센 부등식, 횔더 부등식, 마르코프 부등식, 체비쇼프 부등식을 다룹니다.

Core questions

• 이산 변수나 연속 변수뿐만 아니라 임의의 확률 변수에 대한 기댓값은 어떻게 정의됩니까?
• 어떤 조건에서 극한을 기댓값 안으로 이동할 수 있습니까?
• 모멘트와 Lp 공간은 확률 변수의 크기를 어떻게 정량화합니까?
• 어떤 부등식이 모멘트 측면에서 확률과 기댓값을 제한합니까?

Key concepts

• 르베그 적분으로서의 기댓값
• 단조 및 지배 수렴
• 파투의 보조정리
• 모멘트와 분산
• 확률 변수의 Lp 공간

Key theories

단조 수렴 정리 및 지배 수렴 정리

증가하는 음이 아닌 확률 변수의 경우 극한의 기댓값은 기댓값의 극한과 같으며, 적분 가능한 변수에 의해 지배되는 수열의 경우 동일한 교환이 성립하여 초등 이론에는 없는 극한 정리를 제공합니다.

옌센 부등식

볼록 함수에 대해 확률 변수 함수의 기댓값은 그 기댓값의 함수보다 크거나 같으며, 이는 모멘트 비교, 조건부 기댓값의 수축 속성, 그리고 확률론 전반에 걸쳐 많은 경계를 제공합니다.

마르코프 부등식 및 체비쇼프 부등식

음이 아닌 확률 변수가 특정 수준을 초과할 확률은 그 수준으로 나눈 평균에 의해 제한되며, 제곱 편차에 적용될 때 이는 분산 측면에서 분산을 제어하여 대수의 약한 법칙에 대한 초등적인 경로를 제공합니다.

Clinical relevance

기댓값과 그 부등식은 불확실성 하에서 양을 평균화하는 모든 곳에서 사용됩니다. 이는 통계 및 금융에서 평균, 분산 및 위험 측도를 정의하고, 학습 이론 및 무작위 알고리즘의 기반이 되는 집중 경계를 제공하며, 몬테카를로 추정을 정당화하는 수렴 정리를 제공합니다.

History

르베그 적분이 사용 가능해지자 확률론자들은 기댓값을 확률 측도에 대한 적분과 동일시했으며, 이러한 동일시는 콜모고로프의 틀에서 명시화되었고 표준 대학원 교재에서 수렴 정리와 고전적 부등식과 함께 발전되었습니다.

Key figures

• Henri Lebesgue
• Johan Jensen
• Pafnuty Chebyshev
• Andrey Markov

Seminal works

• billingsley1995

Frequently asked questions

기댓값은 결과의 평균과 동일합니까?

정신적으로는 그렇습니다. 각 결과의 확률에 따라 가중된 확률 변수의 적분이며, 이는 이산 변수의 경우 가중 합으로, 연속 변수의 경우 밀도에 대한 일반 적분으로 환원됩니다.

언제 극한과 기댓값을 교환할 수 있습니까?

단조 수렴 정리는 증가하는 음이 아닌 수열에 대해 이를 허용하고, 지배 수렴 정리는 수열이 고정된 적분 가능한 변수에 의해 제한될 때 이를 허용합니다. 이러한 조건이 없으면 교환이 실패할 수 있습니다.