Expectativa en productos de orden superior de distribuciones normales


9

Tengo dos variables normalmente distribuidas X1 y X2 con media cero y matriz de covarianza Σ . Estoy interesado en tratar de calcular el valor de mi[X12X22] en términos de las entradas de Σ .

Usé la ley de probabilidad total para obtener pero no estoy seguro de a qué se reduce la expectativa interna. ¿Hay otro método aquí?mi[X12X22]=mi[X12mi[X22El |X1]]

Gracias.

Editar: Las variables también son multivariadas normalmente distribuidas.


55
¿ y X 2 disfrutan también de una distribución normal bivariada ? (Solo decir que X 1 y X 2 son normales con la matriz de covarianza Σ no es suficiente para concluir que la distribución conjunta es bivariada normal). X1X2X1X2Σ
Dilip Sarwate

1
Para la aplicación específica que tengo en mente, y X 2 tienen una distribución normal bivariada, según el teorema del límite central multivariado. Olvidé mencionar esto en mi publicación original. X1X2
AGK

1
@AGK si desea aclarar su publicación, hay un botón "editar" que le permite realizar cambios. Eso es mejor para los futuros lectores que luego no tienen que buscar información clave en los comentarios debajo de la pregunta.
Silverfish

Respuestas:


8

La expectativa es claramente proporcional al producto de los factores de escala al cuadrado . La constante de proporcionalidad se obtiene estandarizando las variables, lo que reduce Σ a la matriz de correlación con la correlación ρ = σ 12 / σ11σ22Σ .ρ=σ12/ /σ11σ22

Asumiendo la normalidad bivariada, de acuerdo con el análisis en https://stats.stackexchange.com/a/71303 podemos cambiar las variables a

X1=X, X2=ρX+(1-ρ2)Y

donde tiene una distribución normal bivariada estándar (no correlacionada), y solo necesitamos calcular(X,Y)

mi(X2(ρX+(1-ρ2)Y)2)=mi(ρ2X4 4+(1-ρ2)X2Y2+CX3Y)

donde el valor preciso de la constante no importa. ( Y es el residuo al retroceder X 2 contra X 1. ) Usar las expectativas univariadas para la distribución normal estándarCYX2X1

mi(X4 4)=3, mi(X2)=mi(Y2)=1, miY=0 0

y observando que e Y son rendimientos independientesXY

mi(ρ2X4 4+(1-ρ2)X2Y2+CX3Y)=3ρ2+(1-ρ2)+0 0=1+2ρ2.

Multiplicando esto por daσ11σ22

mi(X12X22)=σ11σ22+2σ122.

El mismo método se aplica para encontrar la expectativa de cualquier polinomio en , porque se convierte en un polinomio en ( X , ρ X + ( (X1,X2)y que, cuando se expande, es un polinomio en lasindependientesvariables distribuidas normalmenteXyY. Desde(X,ρX+(1-ρ2)Y)XY

mi(X2k)=mi(Y2k)=(2k)!k!2k=π-1/ /22kΓ(k+12)

para la integral (con todos los momentos impares iguales a cero por simetría) podemos derivark0 0

mi(X12pagX22q)=(2q)!2-pag-qyo=0 0qρ2yo(1-ρ2)q-yo(2pag+2yo)!(2yo)!(pag+yo)!(q-yo)!

(con todas las demás expectativas de monomios iguales a cero). Esto es proporcional a una función hipergeométrica (casi por definición: las manipulaciones involucradas no son profundas ni instructivas),

1π2pag+q(1-ρ2)qΓ(pag+12)Γ(q+12)2F1(pag+12,-q;12;ρ2ρ2-1).

(1-ρ2)qρ


1
¡Gracias por la respuesta detallada! También estoy pensando en preguntas relacionadas con otros polinomios, por lo que este es un marco realmente útil. Esa es una transformación muy inteligente que no había visto antes. ¡Frio!
AGK

3
Para ayudar en su investigación, he proporcionado los detalles para polinomios generales. Cuando escribí originalmente esta respuesta, me divertí al darme cuenta de que aprendí esta transformación del libro de texto de estadísticas elementales de Friedman, Pisani y Purves: ¡enseñamos esto a los estudiantes de primer año de la universidad!
whuber
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.