두 개의 종속 다변량 정규 확률 변수의 선형 조합


14

두 개의 랜덤 변수 벡터가 있는데, 둘 다 정상입니다. 즉, 및 입니다. 우리는 선형 조합 의 분포에 관심이 있습니다. 여기서 와 는 행렬이고 는 벡터입니다. 경우 및 독립적으로, . 우리는 모든 쌍 의 상관 관계를 알고 있다고 가정하면 의존적 인 경우 입니다. 감사합니다.XN(μX,ΣX)YN(μY,ΣY)B C X Y Z ~ N ( μ X + B μ Y + C , Σ X A T + B Σ Y B T ) (Z=AX+BY+CABCXYZN(AμX+BμY+C,AΣXAT+BΣYBT)(Xi,Yi)

소원, 이반

답변:


8

이 경우 ( 편집 : 의 관절 정규성 가정 ) 그런 다음 및 즉 (X,Y)AX+BY= ( A B ) ( X Y ) AX+BY+C N [ ( A B ) ( μ X μ Y ) + C ,

(XY)N[(μXμY),ΣX,Y]
(X,Y)
AX+BY=(AB)(XY)
AX+BY+CN [ A μ X +B μ Y +C,A Σ X X A T +B Σ T X Y A T +A Σ X Y B T +B Σ Y Y
AX+BY+CN[(AB)(μXμY)+C,(AB)ΣX,Y(ATBT)]
AX+BY+CN[AμX+BμY+C,AΣXXAT+BΣXYTAT+AΣXYBT+BΣYYBT]

3
간과되는 경우 다른 답글에 대한 주석 스레드는 (a) 이러한 공분산 계산은 훌륭하지만 (자연 스럽지만 통계가없는 블록 행렬 표기법이 있음을 이해하지만) (b) 선형 조합이 일반적으로 유효하다고 결론을 내릴 수 없음을 나타냅니다. 우리가 추가 가정을 할 때까지 분배; 즉, 와 는 공동 다변량 정규 분포를 갖습니다 . YXY
whuber

2
마지막 줄 에서 에서 까지 어떻게 도달했는지 설명해 주 시겠습니까? 생각했을 것이라고 및 결과는 더 이상 단순화되지 않습니다. 여기서 는 번째 요소는 이고 번째 요소는 이므로 대칭 행렬 이 아닙니다 . 이며 이러한 공분산이 동일한 이유는 없습니다. 2 A Σ X Y B T B Σ T X Y A T + A Σ X Y B T = ( A Σ X Y B T ) T + A Σ X Y B T Σ X Y ( i , j ) covBΣXYTAT+AΣXYBT2AΣXYBT
BΣXYTAT+AΣXYBT=(AΣXYBT)T+AΣXYBT
ΣXY(i,j)cov(Xi,Yj)(j,i)cov(Xj,Yi)
Dilip Sarwate

1
@DilipSarwate : (+1) 맞습니다. 일반적으로이 두 용어가 같은 이유는 없습니다.
시안

3

와 가 공분산 상단 오른쪽 블록 과 함께 분산되어 있다고 가정하지 않는 한 귀하의 질문에는 현재 제기 된 고유 한 답변이 없습니다 . 나는 당신이 X와 Y 사이에 각각의 공분산을 가지고 있다고 말했기 때문에 이것을 의미한다고 생각합니다.이 경우 우리 는 다변량 법선 인 를 쓸 수 있습니다 . 다음 측면에서 주어진 등 :XYΣXYW=(XT,YT)TZW

Z=(A,B)W+C

그런 다음 일반적인 조합을 선형 조합에 사용합니다. 평균은 변하지 않지만 공분산 행렬에는AΣXYBT+BΣXYTAT


이 문제를 지적 해 주셔서 감사합니다. 실제로 생각조차하지 않았지만 변수가 실제로 구성 요소가 상관되어 있어도 공동 정규 분포로 볼 수있는 것으로 보입니다.
Ivan

질문을 제기 한대로 해결할 수 없다는 데 동의합니다. 해결 될 간단한 방식으로 하나의 가정하면 것을, 시안의 대답은하지 @로, 와 공동으로 일반적으로 배포됩니다. 관절 분포가 관절 법선 이외의 것으로 지정되면 아마도 더 많은 어려움으로 해결할 수 있습니다. 그러나 단지 알고 모두를위한 , 것을 의미하지 않는다 정상 변수이다 . 모든 유한 차이와 두 확률 변수는 공분산 있습니다. 공분산은 정규 또는 공동 정규 랜덤 변수에 대해서만 정의되지 않습니다 .Y cov ( X i , Y j ) i , j W = ( X T , Y T ) TXYcov(Xi,Yj)i,jW=(XT,YT)T
Dilip Sarwate

제 경우에는 X와 Y가 공동으로 정상입니다. 왜 그런지 설명하려고 노력할 것입니다. 잘못되면 수정하십시오. 독립적 인 일 변량 정규 rv 세트가 있다고 가정하십시오. X와 Y의 각 요소는 세트에서 이러한 일 변량 변수의 임의의 선형 조합입니다. 따라서 초기 변수는 독립적이며 선형 변환 만 포함되므로 결과 벡터 X, Y 및 Z는 모두 다변량 정규 rv입니다. 다변량 정규 rv의 정의를 따릅니다. 여기서 는 모든 벡터 대한 일 변량 정규 rv 여야합니다 . 말이 되나요? aaTXa
Ivan

1
@Ivan 당신의 설명은 이해가되지만 불만은 "우리는 , 및 "이것은 와 가 함께 정상 임을 의미하지 않습니다 . 도 아니다 "우리가 어떤 쌍의 상관 관계 알고 있다고 말합니까 것을 의미한다" 및 되어 공동으로 정상을 , 비록 당신이 올바르게 상태로 것을 의미한다 정상입니다 (및 와 유사 ) 일 변량 정규성XN(μX,ΣX)X Y ( X i , Y i ) X i Y i X N ( μ X , Σ X ) X i Y iYN(μY,ΣY)XY(Xi,Yi)XiYiXN(μX,ΣX)XiYi관절의 정상 성을 의미하지는 않습니다 . 아래 참조를 참조하십시오.
Dilip Sarwate

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.