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, X 2= ρX+ ( 1 - ρ2-----√) Y
donde tiene una distribución normal bivariada estándar (no correlacionada), y solo necesitamos calcular( X, Y)
E ( X2( ρ X+ ( 1 - ρ2-----√) Y)2) = E ( ρ2X4 4+ ( 1 - ρ2) X2Y2+ c X3Y)
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
E ( X4 4) = 3 , E ( X 2) = E ( Y2) = 1 , E Y = 0
y observando que e Y son rendimientos independientesXY
E ( ρ2X4 4+ ( 1 - ρ2) X2Y2+ c X3Y) = 3 ρ2+ ( 1 - ρ2) + 0 = 1 + 2 ρ2.
Multiplicando esto por daσ11σ22
E ( X21X22) = σ11σ22+ 2 σ212.
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, ρ X+ ( 1 - ρ2-----√) Y)XY
E ( X2 k) = E ( Y2 k) = ( 2 k ) !k ! 2k= π- 1 / 22kΓ ( k + 12)
para la integral (con todos los momentos impares iguales a cero por simetría) podemos derivark ≥ 0
E ( X2 p1X2 q2) = ( 2 q) ! 2- p - q∑i = 0qρ2 i( 1 - ρ2)q- yo( 2 p + 2 i ) !( 2 i ) ! ( p + i ) ! ( q- i ) !
(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),
1π2p + q( 1 - ρ2)qΓ ( p + 12) Γ ( q+ 12)2F1( p + 12, - q; 12;ρ2ρ2- 1) .
( 1 - ρ2)qρ