Independencia condicional (III): variables aleatorias condicionalmente NO correladas (solo distr. normal multivariable)

Antonio Sala, UPV

Dificultad: **** ,       Relevancia: ,      Duración: 16:59

*Link to English version

Resumen:

Este vídeo complementa la discusión sobre independencia condicional del vídeo [condin1], particularizándola al caso donde sólo se desean hacer predicciones lineales y, por tanto, se debe analizar únicamente la matriz de varianzas-covarianzas.

Por tanto, la ausencia de covarianza (esto es, la no correlación) entre los errores de predicción de dos variables aleatorias dada una tercera es lo que definirá la no-correlación condicional... o algo así... o sea, nos tomamos “informalmente” los conceptos aquí lanzados, dado que sólamente serían válidos ante el caso de que las variables estuviéramos seguros de que han sido generadas con una distribución normal multidimensional. Pero, de hecho, como no-correlación en variables normales multidimensionales implica independencia pues no estamos viendo en este vídeo nada diferente del propio concepto de independencia condicional, si nos ponemos formalmente rigurosos.

La cuestión es que esa no-correlación condicional permite hacer redes bayesianas que “encadenan” modelos lineales con ruido aditivo, como se ve en los ejemplos numéricos.

Colección completa [VER]:

• Anterior   Independencia condicional (II): ejemplos adicionales relevantes en control (Markov), redes Bayesianas

• Siguiente Predicción estadística: generalidades