Distribusi maksimum dua variabel normal berkorelasi

Jawaban:

22

Menurut Nadarajah dan Kotz, 2008 , Distribusi Persis dari Maks / Min dari Dua Variabel Acak Gaussian , PDF dari X=max(X1,X2) tampaknya

f(x)=2ϕ(x)Φ(1r1r2x),

di mana ϕ adalah PDF dan Φ adalah CDF dari distribusi normal standar.

masukkan deskripsi gambar di sini

Lucas
sumber
Bagaimana ini terlihat jika (tidak ada korelasi sama sekali)? Saya kesulitan memvisualisasikannya. r=0
Mitch
3
Saya menambahkan gambar memvisualisasikan distribusi. Sepertinya Gaussian yang diremas sedikit condong ke kanan.
Lucas
22

Biarkan menjadi PDF Normal bivariat untuk dengan marjinal standar dan korelasi . CDF maksimum adalah, menurut definisi, ( X , Y ) ρfρ(X,Y)ρ

Pr(max(X,Y)z)=Pr(Xz, Yz)=zzfρ(x,y)dydx.

Normal PDF bivariat simetris (melalui refleksi) di sekitar diagonal. Dengan demikian, peningkatan ke menambahkan dua strip probabilitas setara ke kuadrat semi-tak terbatas semula: yang bagian atas sangat tebal adalah sementara timpalannya yang dipantulkan, strip kanan, adalah .z + d z ( - , z ] × ( z , z + d z ] ( z , z + d z ] × ( - , z ]zz+dz(,z]×(z,z+dz](z,z+dz]×(,z]

Angka

Kerapatan probabilitas strip kanan adalah kerapatan pada kali probabilitas bersyarat total bahwa ada di dalam strip, . Distribusi bersyarat dari selalu Normal, jadi untuk menemukan probabilitas bersyarat total ini, kita hanya perlu mean dan varians. Rata-rata bersyarat pada adalah prediksi regresi dan varians bersyarat adalah varians "tidak dijelaskan" .z Y Pr ( Y zXzYY Y X ρ X var ( Y ) - var ( ρ X ) = 1 - ρ 2Pr(Yz|X=z)YYXρXvar(Y)var(ρX)=1ρ2

Sekarang kita mengetahui mean dan varians kondisional, CDF bersyarat dari diberikan dapat diperoleh dengan menstandarisasi dan menerapkan CDF Normal Normal :X Y ΦYXYΦ

Pr(Yy|X)=Φ(yρX1ρ2).

Mengevaluasi ini pada dan dan mengalikan dengan kepadatan pada (pdf Normal normal ) memberikan kemungkinan kepadatan strip kedua (kanan)X = z X z ϕy=zX=zXzϕ

ϕ(z)Φ(zρz1ρ2)=ϕ(z)Φ(1ρ1ρ2z).

Menggandakan akun ini untuk strip atas equi-probable, memberikan PDF maksimum sebagai

ddzPr(max(X,Y)z)=2ϕ(z)Φ(1ρ1ρ2z).

Rekapitulasi

Saya telah mewarnai faktor-faktor untuk menunjukkan asal-usulnya: untuk dua strip simetris; untuk lebar strip yang sangat kecil; dan untuk panjang strip. Argumen yang terakhir, , hanyalah versi standar dari tergantung pada .2ϕ(z)Φ()1ρ1ρ2zY=zX=z

whuber
sumber
Bisakah ini diperluas ke lebih dari dua variabel normal standar dengan matriks korelasi yang diberikan?
A. Donda
1
@ A.Donda Ya - tetapi ekspresi semakin rumit. Dengan setiap dimensi baru muncul kebutuhan untuk berintegrasi sekali lagi.
whuber