(นี่คือการดัดแปลงจาก Granger & Newbold (1986) "ซีรีย์การพยากรณ์เศรษฐกิจแบบเวลา")
โดยการก่อสร้างของฟังก์ชั่นค่าใช้จ่ายข้อผิดพลาดเป็น 2 นี้จะรวมเป็นสมมติฐานที่สำคัญ (ที่ฟังก์ชั่นค่าใช้จ่ายข้อผิดพลาดคือสมมาตรรอบศูนย์) -a ฟังก์ชั่นค่าใช้จ่ายข้อผิดพลาดที่แตกต่างกันจะไม่จำเป็นต้องมีค่าคาดว่าเงื่อนไขเป็นของมูลค่าที่คาดว่าจะ คุณไม่สามารถลดฟังก์ชั่นค่าใช้จ่ายข้อผิดพลาดให้น้อยที่สุดเนื่องจากมีจำนวนที่ไม่รู้จัก ดังนั้นคุณตัดสินใจที่จะลดค่าที่คาดหวังไว้แทน จากนั้นฟังก์ชั่นวัตถุประสงค์ของคุณจะกลายเป็นหาเรื่องนาที[Y−g(X)]2argmin
E[Y−g(X)]2=∫∞−∞[y−g(X)]2fY|X(y|x)dy
ซึ่งฉันเชื่อว่ายังตอบคำถามที่สองของคุณ มันง่ายว่ามูลค่าที่คาดว่าจะเป็นเงื่อนไขในเนื่องจากเรากำลังพยายามที่จะประเมิน / การคาดการณ์บนพื้นฐานของXย่อยสลายสี่เหลี่ยมเพื่อให้ได้X Y XYXYX
E[Y−g(X)]2=∫∞−∞y2fY|X(y|x)dy−2g(X)∫∞−∞yfY|X(y|x)dy+[g(X)]2∫∞−∞fY|X(y|x)dy
เทอมแรกไม่มีดังนั้นจึงไม่มีผลต่อการย่อขนาดและมันสามารถถูกละเว้นได้ อินทิกรัลในระยะที่สองเท่ากับค่าคาดหวังตามเงื่อนไขของกำหนดและอินทิกรัลในระยะสุดท้ายเท่ากับความสามัคคี ดังนั้นY Xg(X)YX
argming(x)E[Y−g(X)]2=argming(x){−2g(X)E(Y∣X)+[g(X)]2}
อนุพันธ์อันดับแรก wrtคือนำไปสู่เงื่อนไขการสั่งซื้อครั้งแรกสำหรับการย่อในขณะที่อนุพันธ์อันดับสองเท่ากับซึ่งเพียงพอสำหรับขั้นต่ำ- 2 E ( Y ∣ X ) + 2 g ( X ) g ( X ) = E ( Y ∣ X )ก.( X)- 2 อี( Y∣ X) + 2 กรัม( X)ก.( X) = E( Y∣ X)2 > 0
เพิ่ม: ตรรกะของวิธีการพิสูจน์ "เพิ่มและลบ"
OP สับสนด้วยวิธีการที่ระบุไว้ในคำถามเพราะดูเหมือนว่าซ้ำซาก ไม่ใช่เพราะในขณะที่ใช้กลยุทธ์การเพิ่มและลบทำให้ส่วนหนึ่งของฟังก์ชันวัตถุประสงค์เป็นศูนย์สำหรับการเลือกคำศัพท์ที่เพิ่มและลบโดยพลการมันไม่ได้ทำให้ฟังก์ชั่นค่าเท่ากันคือค่าของวัตถุประสงค์ การประเมินฟังก์ชั่นที่ตัวลดขนาดตัวเลือก
สำหรับตัวเลือกเรามีฟังก์ชั่นค่า
สำหรับตัวเลือกโดยพลการเรามีค่า funtionบิ๊ก]V ( E ( Y | X ) ) = E [ ( Y - E ( Y | X ) ) 2 | X ]กรัม( X ) = H ( X ) V ( H ( X ) ) = E [ ( Y - h (ก.( X) = E( Y∣ X)V( E( Y∣ X) ) = E[ (Y)−E(Y∣X))2∣X]g(X)=h(X)V(h(X))=E[(Y−h(X))2∣X]
ฉันอ้างว่า
⇒ E ( Y 2 ∣ X ) - 2 E [ ( Y E ( Y ∣ X ) ) ∣ X ] + E [ ( E ( Y ∣ X ) ) 2 ∣ X ]
V(E(Y∣X))≤V(h(X))
⇒E(Y2∣X)−2E[(YE(Y∣X))∣X]+E[(E(Y∣X))2∣X]≤E(Y2∣X)−2E[(Yh(X))∣X]+E[(h(X))2∣X]
เทอมแรกของ LHS และ RHS ยกเลิก นอกจากนี้ยังทราบว่าความคาดหวังด้านนอกเป็นเงื่อนไขในการXด้วยคุณสมบัติของความคาดหวังตามเงื่อนไขที่เรามีX
...⇒−2E(Y∣X)⋅E(Y∣X)+[E(Y∣X)]2≤−2E(Y∣X)h(X)+[h(X)]2
⇒0≤[E(Y∣X)]2−2E(Y∣X)h(X)+[h(X)]2
h ( x ) ≠ E ( Y ∣ X ) E ( Y ∣ X )
⇒0≤[E(Y∣X)−h(x)]2
ซึ่งถือกับความไม่เท่าเทียมกันที่เข้มงวดถ้าX) ดังนั้นจึงเป็นตัวย่อขนาดและไม่ซ้ำใคร
h(x)≠E(Y∣X)E(Y∣X)
แต่สิ่งนี้ยังบอกว่าวิธีการ "เพิ่มและลบ" ไม่ใช่วิธีการพิสูจน์ที่สว่างที่สุดที่นี่