Ich bin bei diesem Thema weit überfordert, aber ich bitte um ein paar konzeptionelle, umrahmende Aussagen, um das Gesamtbild auf einer intuitiven Ebene zu verstehen.
In Hilbert Space Methods in Probability and Statistical Inference von Christopher G. Small, Don L. McLeish ist zu lesen:
Lassen sei die Menge aller Funktionen so dass für alle natürlichen Zahlen . Der Satz kann unter der üblichen punktweisen Addition und skalaren Multiplikation als Vektorraum gezeigt werden .
Was ist also die Verbindung zwischen den Zufallsvariablen (und insbesondere ihren Wahrscheinlichkeitsdichtefunktionen) und Vektor- oder inneren Produkträumen? Insbesondere, und wenn diese Aussagen / Fragen der Realität entfernt nahe kommen, inwiefern sind PDFs linear mit der Skalarmultiplikation?
Als Antwort auf den Kommentar ist dies die zitierte Passage:
Und dies ist der von @symplectomorphic bereitgestellte Link , der die Frage wirklich löst:
Viele der Konzepte in diesem Kapitel lassen sich elegant interpretieren, wenn wir uns reellwertige Zufallsvariablen als Vektoren in einem Vektorraum vorstellen. Insbesondere hängen Varianz und höhere Momente mit dem Konzept von Norm und Distanz zusammen, während Kovarianz mit dem inneren Produkt zusammenhängt. Diese Verbindungen können dazu beitragen, einige der Ideen in diesem Kapitel aus einem anderen Blickwinkel zu vereinheitlichen und zu beleuchten. Natürlich sind reellwertige Zufallsvariablen einfach messbare, reellwertige Funktionen, die auf dem Stichprobenraum definiert sind, so dass ein Großteil der Diskussion in diesem Abschnitt ein Spezialfall unserer Diskussion von Funktionenräumen im Kapitel über Verteilungen ist, aber neu formuliert im Notation der Wahrscheinlichkeit.
Ausgangspunkt ist wie üblich ein Zufallsexperiment, das durch einen Wahrscheinlichkeitsraum (Ω,F,P) modelliert wird. Somit ist Ω der Abtastraum, F die σ-Algebra der Ereignisse und P das Wahrscheinlichkeitsmaß. Unser grundlegender Vektorraum V besteht aus allen reellwertigen Zufallsvariablen, die auf (Ω, F, P) definiert sind. Erinnern Sie sich, dass die Zufallsvariablen X1 und X2 äquivalent sind, wenn P(X1 = X2) = 1, in diesem Fall schreiben wir X1 ≡ X2. Wir betrachten zwei solche Zufallsvariablen als denselben Vektor, sodass unser Vektorraum technisch aus Äquivalenzklassen unter dieser Äquivalenzrelation besteht. Der Additionsoperator entspricht der üblichen Addition von zwei reellwertigen Zufallsvariablen, und die Operation der Skalarmultiplikation entspricht der üblichen Multiplikation einer reellwertigen Zufallsvariablen mit einer reellen (nicht zufälligen) Zahl.
Sie verwechseln "punktweise Skalarmultiplikation" mit "Skalarprodukt". Für Und man kann die punktweise Skalarmultiplikation durch definieren , für . Das Skalarprodukt wird hier nicht erwähnt.
Wenn Sie wirklich wollten, könnten Sie natürlich auch ein Skalarprodukt durch definieren Wo ist die Maßnahme eingeschaltet , aber es muss darauf geachtet werden, dass die Konvergenz des obigen Integrals für alle gewährleistet ist Und , und um dieses Skalarprodukt nicht entartet zu machen (Sie müssen mit Funktionsklassen usw. arbeiten). Dies könnte beispielsweise durch Anforderung erfolgen endlich sein. Jedenfalls versucht Ihr Text dies nicht zu vermitteln.
Alex M.
Theoretischer Ökonom
Antoni Parellada
Theoretischer Ökonom
Theoretischer Ökonom
Antoni Parellada
symplektomorph
Alex M.
Alex M.
Antoni Parellada
Antoni Parellada
symplektomorph
Antoni Parellada
Antoni Parellada
symplektomorph
symplektomorph
Antoni Parellada
Alex M.
symplektomorph
Antoni Parellada
symplektomorph