O que é função de esperança condicional ou função de regressão populacional?

Passo 1

O que você perguntou: quer entender o que é a função de esperança condicional (também chamada de função de regressão populacional). Vou listar o que vou explicar para você (sem começar a resolver ainda):
  • Definição formal e a forma prática de calcular quando há densidade ou probabilidade condicional.
  • Exemplos concretos (discreto e contínuo) com contas passo a passo.
  • Interpretação: por que chamam de “regressão populacional” e o que ela representa em termos de previsão.
  • Uma demonstração didática do porquê ela é o melhor preditor em média quadrática (MSE).
  • Propriedades úteis (iterada, linearidade, relação com variância condicional).
  • Breve comentário sobre estimação (como se aproxima essa função na prática) e cuidados com causalidade.

Passo 2

Definição formal e formas de cálculo.
  • Considere duas variáveis aleatórias X (predictora) e Y (resposta) definidas num mesmo espaço de probabilidade. A função de esperança condicional de Y dado X é a função
m(x)=\mathbb{E}[Y\mid X=x].
  • Intuição simples: para cada valor possível x de X, m(x) é a média (esperança) dos valores de Y quando X toma o valor x.
  • Como calcular na prática:
    • Se (X,Y) é discreto com P(X=x)>0, então
    m(x)=\mathbb{E}[Y\mid X=x]=\sum_{y} y\;P(Y=y\mid X=x).
    • Se existe densidade condicional f_{Y\mid X}(y\mid x) (caso contínuo), então
    m(x)=\mathbb{E}[Y\mid X=x]=\int_{-\infty}^{\infty} y\;f_{Y\mid X}(y\mid x)\,dy.

Passo 3

Exemplo discreto (passo a passo).
  • Suponha que X possa valer 0 ou 1 e que a distribuição condicional de Y seja:
    • Se X=0: P(Y=1\mid X=0)=\tfrac{1}{4}, P(Y=0\mid X=0)=\tfrac{3}{4}.
    • Se X=1: P(Y=1\mid X=1)=\tfrac{3}{4}, P(Y=0\mid X=1)=\tfrac{1}{4}.
  • Calcule m(0) e m(1): m(0)=\mathbb{E}[Y\mid X=0]=1\cdot\tfrac{1}{4}+0\cdot\tfrac{3}{4}=\tfrac{1}{4}.
m(1)=\mathbb{E}[Y\mid X=1]=1\cdot\tfrac{3}{4}+0\cdot\tfrac{1}{4}=\tfrac{3}{4}.
  • Resultado: a função de regressão populacional é m(x)=\tfrac{1}{4} para x=0 e m(x)=\tfrac{3}{4} para x=1.

Passo 4

Exemplo contínuo / modelo linear (passo a passo).
  • Considere o modelo simples
Y = \alpha + \beta X + \varepsilon,
onde \varepsilon é ruído com \mathbb{E}[\varepsilon\mid X]=0 (ruído com média condicional zero).
  • Então
\mathbb{E}[Y\mid X=x]=\mathbb{E}[\alpha+\beta x+\varepsilon\mid X=x]=\alpha+\beta x+\mathbb{E}[\varepsilon\mid X=x]=\alpha+\beta x.
  • Aqui a função de regressão populacional é m(x)=\alpha+\beta x. Observe que isso é exatamente a reta que expressa a média condicional de Y para cada x.

Passo 5

Interpretação e terminologia: por que “regressão populacional”?
  • “Função de esperança condicional” e “função de regressão populacional” são o mesmo objeto matemático: m(x)=\mathbb{E}[Y\mid X=x].
  • É chamada de “populacional” porque é a função verdadeira (no nível da população/da distribuição conjunta), não uma estimativa obtida a partir de uma amostra.
  • Em termos práticos: se você conhece m(x), então ao observar X=x a melhor previsão ponto de Y (em média) é m(x).

Passo 6

Propriedade fundamental — é o melhor preditor em MSE (demonstração didática).
  • Queremos achar a função g(X) que minimiza o erro quadrático médio \mathbb{E}\big[(Y-g(X))^{2}\big].
  • Fixe g. Para cada X vale a identidade (condicionando em X):
\mathbb{E}\big[(Y-g(X))^{2}\mid X\big] = \mathbb{E}\big[(Y-m(X)+m(X)-g(X))^{2}\mid X\big].
  • Expanda o quadrado dentro da esperança condicional e use que \mathbb{E}[Y-m(X)\mid X]=0:
\mathbb{E}\big[(Y-g(X))^{2}\mid X\big] = \mathbb{E}\big[(Y-m(X))^{2}\mid X\big] + (m(X)-g(X))^{2}.
  • Agora tome expectativa total:
\mathbb{E}\big[(Y-g(X))^{2}\big] = \mathbb{E}\big[\mathbb{E}[(Y-m(X))^{2}\mid X]\big] + \mathbb{E}\big[(m(X)-g(X))^{2}\big].
  • A primeira parcela não depende de g. Assim o mínimo em relação a g ocorre quando a segunda parcela é zero, ou seja quando g(X)=m(X) quase certamente. Conclusão: m(X) minimiza o MSE entre todos os preditores medíveis em função de X.

Passo 7

Propriedades úteis e identidade importantes.
  • Linearidade em esperança condicional:
\mathbb{E}[aY+bZ\mid X]=a\,\mathbb{E}[Y\mid X]+b\,\mathbb{E}[Z\mid X]
para constantes a,b.
  • Regra da esperança iterada (tower property):
\mathbb{E}\big[\mathbb{E}[Y\mid X]\big]=\mathbb{E}[Y].
  • Decomposição da variância (lei da variância total):
\operatorname{Var}(Y)=\mathbb{E}\big[\operatorname{Var}(Y\mid X)\big]+\operatorname{Var}\big(\mathbb{E}[Y\mid X]\big).
Intuição: a variabilidade total de Y vem da variação condicional média (ruído) mais da variação da própria média condicional m(X) quando X varia.

Passo 8

Estimando m(x) na prática (noção, sem provas técnicas).
  • Paramétrico (ex.: regressão linear): supõe-se uma família m(x;\theta) (ex.: reta) e estima-se \theta pela amostra (ex.: OLS). Resultado: \hat m(x)=\hat\alpha+\hat\beta x.
  • Não paramétrico (ex.: Nadaraya–Watson): estimações locais por média ponderada. Uma forma é
\widehat{m}(x)=\frac{\sum_{i=1}^{n}K_{h}(X_{i}-x)\,Y_{i}}{\sum_{i=1}^{n}K_{h}(X_{i}-x)},
onde K_{h} é um núcleo com largura h. Isso aproxima a média de Y para observações com X próximas de x.
  • Observação prática importante: a função estimada depende de hipóteses (linearidade, suavidade, escolha de h etc.). A função verdadeira m(x) existe independentemente de como a estimamos.

Passo 9

Cuidado com interpretação causal.
  • m(x)=\mathbb{E}[Y\mid X=x] é uma descrição de associação condicional: diz como a média de Y varia entre grupos com diferentes X.
  • Para interpretar m(x) como efeito causal de X sobre Y é preciso condições adicionais (por exemplo, ausência de confundidores, randomização, modelo estrutural adequado). Sem isso, m(x) é apenas a média condicional, não necessariamente efeito causal.

Passo 10

Resumo prático rápido (como responder num prova ou lembrar no estudo)
  • Definição curta: m(x)=\mathbb{E}[Y\mid X=x].
  • Cálculo: somatório se discreto, integral se contínuo, ou direto em modelos onde \mathbb{E}[\varepsilon\mid X]=0.
  • Propriedade-chave: m(X) minimiza \mathbb{E}[(Y-g(X))^{2}] entre todos os g.
  • Lembre das fórmulas: esperança iterada e decomposição da variância.
  • No oral ou escrito: explique a intuição (média de Y no subconjunto onde X=x), mostre uma fórmula e, se for útil, mostre que é o minimizador do MSE como justificativa.

Resposta

A função de esperança condicional (função de regressão populacional) de Y dado X é a função
m(x)=\mathbb{E}[Y\mid X=x],
que dá, para cada valor x, a média de Y condicionada a X=x. Equivalentemente, se Y for discreto então m(x)=\sum_{y} y\,P(Y=y\mid X=x), e se houver densidade condicional f_{Y\mid X} então m(x)=\int y\,f_{Y\mid X}(y\mid x)\,dy. Essa função é o melhor preditor de Y baseado em X no critério de erro quadrático médio e é chamada de “populacional” porque é a verdadeira média condicional da distribuição conjunta (não uma estimativa amostral).

Exercícios relacionados