Recuerde que para una variable normal bivariada
la distribución condicional de dado es
(XY)∼N([μXμY],[σ2XρσXσYρσXσYσ2Y]),
YXY∣X∼N(μY+ρσYX−μXσX,σY[1−ρ2]).
En el presente caso, tenemos
que significa que
donde (y este fue su primer error)
u1∣v2∼N(0+η1⋅τ⋅1v2−0τ,1⋅[1−(η1⋅τ)2])=N(ητ2v2,1−η2τ2),
u1=ητ2v2+ξ
ξ∼N(0,1−η2τ2).
Así podemos reescribir la primera ecuación
y∗1=δ1z1+α1y2+u1=δ1z1+α1y2+ητ2v2+ξ=δ1z1+α1y2+ητ2(y2−zδ)+ξ.
Ahora, recuerde que la función de densidad de probabilidad condicional de dado es
X=xY=y
fX(x∣y)=fXY(x,y)fY(y).
En el presente caso, tenemos
que se puede reorganizar a su expresión
f1(y1∣y2,z)=f12(y1,y2∣z)f2(y2∣z),
f12(y1,y2∣z)=f1(y1∣y2,z)f2(y2∣z).
Luego, podemos escribir la probabilidad en función de las densidades de los dos shocks independientes :
v1,ξ1
L(y1,y2∣z)=∏inf1(y1i∣y2i,zi)f2(y2i∣zi)=∏inPr(y1i=1)y1iPr(y1i=0)1−y1if2(y2i∣zi)=∏inPr(y∗1i>0)y1iPr(y∗1i≤0)1−y1if2(y2i∣zi)=∏inPr(δ1z1i+α1y2i+ητ2(y2i−ziδ)+ξi>0)y1iPr(δ1z1i+α1y2i+ητ2(y2i−ziδ)+ξi≤0)1−y1if2(y2i∣zi)=∏inPr(ξi>−[δ1z1i+α1y2i+ητ2(y2i−ziδ)])y1iPr(ξi≤−[δ1z1i+α1y2i+ητ2(y2i−ziδ)])1−y1if2(y2i∣zi)=∏inPr⎛⎝⎜ξi−01−η2τ2−−−−−√>−δ1z1i+α1y2i+ητ2(y2i−ziδ)+01−η2τ2−−−−−√⎞⎠⎟y1iPr⎛⎝⎜ξi−01−η2τ2−−−−−√≤−δ1z1i+α1y2i+ητ2(y2i−ziδ)+01−η2τ2−−−−−√⎞⎠⎟1−y1if2(y2i∣zi)=∏inPr⎛⎝⎜ξi1−η2τ2−−−−−√>−wi⎞⎠⎟y1iPr⎛⎝⎜ξi1−η2τ2−−−−−√≤−wi⎞⎠⎟1−y1if2(y2i∣zi)=∏in⎡⎣⎢1−Pr⎛⎝⎜ξi1−η2τ2−−−−−√≤−wi⎞⎠⎟⎤⎦⎥y1iPr⎛⎝⎜ξi1−η2τ2−−−−−√≤−wi⎞⎠⎟1−y1if2(y2i∣zi)=∏i[1−Φ(−wi)]y1iΦ(−wi)1−y1iφ(y2i−ziδτ)=∏inΦ(wi)y1i[1−Φ(wi)]1−y1iφ(y2i−ziδτ)=Φ(w)y1[1−Φ(w)]1−y1φ(y2−zδτ)
donde
y son la función de densidad acumulativa y la función de densidad de probabilidad de la distribución normal estándar.
wi=δ1z1i+α1y2i+ητ2(y2i−ziδ)1−η2τ2−−−−−√.
Φ(z)φ(z)