250x250
반응형
Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
Tags
- 비트코인
- 자동차sw
- it
- 백트레이더
- python
- 아마존 웹 서비스
- 오토사
- AWS
- 자동매매
- TOEFL
- 암호화폐
- 블록체인
- 토플 라이팅
- 프로그래밍
- 퀀트
- toefl writing
- 클라우드
- 확률
- backtrader
- 토플
- Cloud
- GeorgiaTech
- can
- backtest
- AUTOSAR
- probability
- 파이썬
- 백테스트
- Bitcoin
- 개발자
Archives
- Today
- Total
Leo's Garage
Probability and Statistics II: Random Variables – Great Expectations to Bell Curves - 20 본문
Study/GTx
Probability and Statistics II: Random Variables – Great Expectations to Bell Curves - 20
LeoBehindK 2023. 12. 26. 20:59728x90
반응형
Double Expectation
조건부 기댓값의 기댓값이 기댓값이다.
이게 무슨 말일까?
실제로 조건부 기댓값을 h(X)로 치환하고 LOTUS를 이용하여 기댓값을 계산해보면 원래의 기댓값이 나온다.
핵심은 조건부 확률을 치환할 수 있고, 그 치환된 값을 이용해서 Jointly RV를 만든 뒤에 다시 Marginal Distribution 공식으로 정리할 수 있다는 것이다.
조건부 기댓값은 f(x,y)/fx(X)로 치환한 뒤 y를 곱하고, y의 범위인 x^2부터 1까지 적분을 통해서 구할 수 있다.
해법 1의 경우에는 기존에 방식대로 기댓값을 구하는 과정이며, 해법2는 위에서 말한 것과 같이 조건부 기댓값의 기댓값을 구하여 값을 얻어내는 과정이다.
728x90
반응형
'Study > GTx' 카테고리의 다른 글
Comments