Valore atteso condizionato

Nella teoria della probabilità, il valore atteso condizionato (o media condizionata) di una variabile casuale è il suo valore atteso rispetto ad una distribuzione di probabilità condizionata.

Trattamento discreto

Il punto di partenza è la definizione di probabilità condizionata: dati due eventi $A,B$, la probabilità di $A$ dato $B$ è

$P(A|B)=\{\begin{array}{cc}0& \text{se}P(B)=0\\ \frac{P(A\cap B)}{P(B)}& \text{altrimenti}\end{array}$

Allo stesso modo si può estendere la probabilità condizionata quando $A,B$ sono esiti di due variabili casuali:

$P(X\in A|Y\in B)=\frac{P(\{X\in A\}\cap \{Y\in B\})}{P(\{Y\in B\})}$

(se il denominatore è diverso da 0; 0 altrimenti). In particolare, se $B=\{y\},A=\{x\}$, si ha

$P(X=x|Y=y)=\frac{P(X=x\wedge Y=y)}{P(Y=y)}$

che, lasciando fisso $y$, può essere mediato:

$E[X|Y=y]=\sum _{x}x\frac{P(X=x\wedge Y=y)}{P(Y=y)}$

definendo quindi $E[X|Y]$ come quella variabile casuale che vale $E[X|Y=y]$ quando $Y=y$. Questa definizione, tuttavia, è consistente solamente nel caso in cui $X,Y$ siano discrete, ma perde di senso quando sono continue, in quanto la probabilità che $Y$ sia un certo valore $y$ (così come quella che $X$ sia $x$) è sempre 0. Per eliminare queste difficoltà la definizione prende strade diverse.

Definizione

Data una variabile aleatoria X e una σ-algebra $𝔉$, un valore atteso condizionato di X rispetto a $𝔉$ è una variabile aleatoria Y tale che

• Y è misurabile rispetto a $𝔉$;
• Y è in L¹, cioè il suo modulo |Y| ha media finita;
• $E[Y{1}_F]=E[X{1}_F]$ per ogni $F\in 𝔉$ (1 è la funzione indicatrice).

Il risultato fondamentale che rende questa definizione sensata è l'esistenza, per ogni variabile aleatoria integrabile X e per ogni σ-algebra, di un valore atteso condizionato; inoltre due variabili aleatorie con queste caratteristiche sono uguali quasi certamente, e quindi possono essere considerate sostanzialmente "le stesse"; in tal caso si scrive

$Y=E[X|𝔉]$

Tale risultato può essere dimostrato a partire dal teorema di Radon-Nikodym, oppure tramite un argomento di approssimazione.

La definizione è consistente con quella elementare ponendo

$E[X|Z]=E[X|\sigma (Z)]$

cioè se si considera la σ-algebra generata dalla variabile casuale Z.

Il valore atteso condizionato può essere interpretato come la miglior approssimazione che è possibile fare di X data l'informazione contenuta nella σ-algebra $𝔉$: così come la media E[X] minimizza la funzione $E[(X-c{)}^2]$ quando c è un numero reale (ovvero una funzione misurabile sulla σ-algebra banale $\{\varnothing ,\mathrm{\Omega }\}$), così il valore condizionato $E[X|𝔉]$ minimizza $E[(X-Y{)}^2]$ tra le variabili aleatorie $𝔉$-misurabili. Ovviamente questa interpretazione può essere data solo quando X appartiene a L².

Proprietà

Il valore atteso condizionato verifica tutte le maggiori proprietà del valore atteso: è positivo (cioè se $X\ge 0$ allora $E[X|𝔉]\ge 0$), lineare, e verifica i teoremi della convergenza monotona, della convergenza dominata e il lemma di Fatou quando le ipotesi sono verificate dalla successione {X_n}: ad esempio, se le X_n sono positive e la successione è crescente verso X, allora

$\underset{n\to \mathrm{\infty }}{\lim }E[X_n|𝔉]=E[X|𝔉]$

Un'altra proprietà fondamentale è la possibilità di calcolare una media attraverso il condizionamento: per ogni variabile aleatoria X e per ogni σ-algebra si ha

$E[X]=E[E[X|𝔉]]$

formula che è utile nel calcolo di alcune medie, come nel caso in cui X è una variabile aleatoria definita da un parametro che è anch'esso aleatorio. (Ad esempio, X potrebbe essere una variabile aleatoria binomiale in cui il numero di lanci è una variabile di Poisson.) Un'altra caratteristica è la "proprietà della torre": se $ℌ\subseteq 𝔊$ sono due σ-algebre, allora

$E[E[X|𝔊]|ℌ]=E[X|ℌ]$

Bibliografia

• Template:Cita libro

Voci correlate

• Martingala (matematica)

Collegamenti esterni

• Template:Collegamenti esterni