Распределение максимума двух коррелированных нормальных переменных


18

Скажем, у меня есть две стандартные нормальные случайные величины X1 и X2 , которые совместно нормальны с коэффициентом корреляции r .

Какова функция распределения ?max(X1,X2)


Ответы:


22

Согласно Nadarajah and Kotz, 2008 , Точное распределение макс / мин двух гауссовских случайных величин , PDF выглядит так:X=max(X1,X2)

f(x)=2ϕ(x)Φ(1r1r2x),

где - PDF, а Φ - CDF стандартного нормального распределения.ϕΦ

введите описание изображения здесь


Как это выглядит, если (нет корреляции вообще)? У меня проблемы с визуализацией. r=0
Митч

3
Я добавил фигуру, визуализирующую распределение. Похоже, сжатый гауссов слегка перекос вправо.
Лукас

22

Пусть - двумерный нормальный PDF для ( X , Y ) со стандартными маргиналами и корреляцией ρ . CDF максимума по определениюfρ(X,Y)ρ

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

Двусторонний нормальный PDF симметричен (через отражение) вокруг диагонали. Таким образом, увеличение до z + d z добавляет две полосы эквивалентной вероятности к исходному полубесконечному квадрату: верхняя бесконечно малая имеет вид ( - , z ] × ( z , z + d z ], в то время как ее отраженный аналог, правая полоса, это ( z , z + d z ] × ( - , z ] .zz+dz(,z]×(z,z+dz](z,z+dz]×(,z]

Figure

Плотность вероятности правой полосы равна плотности в z раз общей условной вероятности того, что Y находится в полосе, Pr ( Y zXzY . Условное распределение Y всегда Нормальное, поэтому, чтобы найти эту общую условную вероятность, нам нужны только среднее значение и дисперсия. Условное среднее Y в X - это предсказание регрессии ρ X, а условная дисперсия - это «необъяснимая» дисперсия var ( Y ) - var ( ρ X ) = 1 - ρ 2 .Pr(Yz|X=z)YYXρXvar(Y)var(ρX)=1ρ2

Теперь, когда мы знаем условное среднее и дисперсию, условный CDF для данным X может быть получен путем стандартизации Y и применения стандартного нормального CDF Φ :YXYΦ

Pr(Yy|X)=Φ(yρX1ρ2).

Оценка этого при и X = z и умножение на плотность X в z (стандартное нормальное pdf ϕ ) дает плотность вероятности второй (правой) полосыy=zX=zXzϕ

ϕ(z)Φ(zρz1ρ2)=ϕ(z)Φ(1ρ1ρ2z).

Удвоение этого объясняет равновероятную верхнюю полосу, давая PDF максимума как

ddzPr(max(X,Y)z)=2ϕ(z)Φ(1ρ1ρ2z).

Recapitulation

I have colored the factors to signify their origins: 2 for the two symmetrical strips; ϕ(z) for the infinitesimal strip widths; and Φ() for the strip lengths. The argument of the latter, 1ρ1ρ2z, is just a standardized version of Y=z conditional on X=z.


Can this be extended to more than two standard normal variables with given correlation matrix?
A. Donda

1
@A.Donda Yes--but the expression gets more complicated. With each new dimension comes the need to integrate once more.
whuber
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.