k 상관 랜덤 변수의 곱의 편차


답변:


12

이 주제에 대해 필요한 것보다 더 많은 정보는 Goodman (1962) : "K 랜덤 변수의 곱의 변이 " 에서 찾을 수 있습니다 .이 변수 는 독립적 인 임의 변수와 잠재적으로 상관 된 임의 변수에 대한 공식과 일부 근사값을 도출합니다. 이전 논문 ( Goodman, 1960 )에서 정확히 두 개의 임의 변수의 곱에 대한 공식이 도출되었는데, 이는 다소 단순하지만 (아직 꽤 나쁘지만), 파생을 이해하려는 경우 시작하기에 더 좋은 위치가 될 수 있습니다 .

그러나 완전성을 위해 다음과 같이 진행됩니다.

두 변수

다음을 가정하십시오.

  • yx 와 는 두 개의 랜덤 변수입니다y
  • YX 와 는 (0이 아닌) 기대입니다Y
  • V ( y )V(x) 와 는 분산입니다.V(y)
  • δ yδx=(x−X)/X (그리고 마찬가지로 )δy
  • Di,j=E[(δx)i(δy)j]
  • Δ yΔx=x−X (그리고 마찬가지로 )Δy
  • Ei,j=E[(Δx)i(Δy)j]
  • V ( X ) / X 2 G ( Y )G(x) 는 제곱 변동 계수입니다 : ( )V(x)/X2G(Y)

그런 다음 또는 이와 동등한 것 :

V(xy)=(XY)2[G(y)+G(x)+2D1,1+2D1,2+2D2,1+D2,2−D1,12]

V(xy)=X2V(y)+Y2V(x)+2XYE1,1+2XE1,2+2YE2,1+E2,2−E1,12

둘 이상의 변수

1960 년 논문은 이것이 독자를위한 연습이라고 제안합니다 (1962 년 논문에 동기를 부여한 것으로 보입니다!).

이 표기법은 비슷하며 몇 가지 확장자가 있습니다.

  • x y(x1,x2,…xn) 은 와 대신에 임의의 변수입니다.xy
  • M=E(∏i=1kxi)
  • A=(M/∏i=1kXi)−1
  • si = 0, 1 또는 2i=1,2,…k
  • u = 1의 수(s1,s2,…sk)
  • m = 2의 수(s1,s2,…sk)
  • D(u,m)=2u−2 대 및 용 ,m=02um>1
  • C(s1,s2,…,sk)=D(u,m)⋅E(∏i=1kδxisi)
  • ∑s1⋯sk 는 세트 합을 나타냅니다. 여기서3k−k−1(s1,s2,…sk)2m+u>1

그런 다음 마침내 :

V(∏i=1kxi)=∏Xi2(∑s1⋯skC(s1,s2…sk)−A2)

세부 사항과 약간 더 다루기 쉬운 대략적인 내용은 논문을 참조하십시오!


Matt Krause의 위의 답변에는 종이 자체뿐만 아니라 실수가 포함되어 있습니다. 함수 C (s1, ..., sk)의 정의에서 그것은 합이 아닌 곱이어야합니다.
— 니콜라스 Gisler

좀 더 자세히 설명해 주시겠습니까? "나-인터넷에서 익명의 사람이기 때문에-그렇게 말하십시오"는 실제로 답이 아닙니다 ...
— Tim

독립 랜덤 변수에 대한 분산 var (x * y)를 임의의 k에 대한 공식을 통해 얻으려고하면 합계가 아닌 곱만 정확한 답을 얻을 수 있음을 알 수 있습니다. 또한 종이를 보면 종이를 볼 수 있습니다 (적어도 내 버전에서는) .59 페이지에서 그는 합계 대신 제품을 사용했습니다.
— 니콜라스 Gisler

1
두 개의 랜덤 변수의 경우, @macro 는 이 답변 에서 두 개의 상관 된 랜덤 변수의 곱의 분산에 대한 읽기 쉬운 공식을 찾을 수 있습니다 . 이 답변은 또한 의 필수 문제를 나타냅니다. 즉, 표기의 덤불은 우리가 cov 알지 못하면 그 값을 결정할 수없는 항이 있다는 본질적 사실을 은닉합니다. 또는이 양을 결정하기 위해 두 랜덤 변수의 결합 밀도에 대해 충분합니다.
V(xy)=X2V(y)+Y2V(x)+2XYE1,1+2XE1,2+2YE2,1+E2,2−E1,12,
(x2,y2)
— Dilip Sarwate

실제로 의견이되어야했던 편집 제안은 원래 논문에 합계와 곱이 혼합 된 오타가 포함되어 있으며이 답변을 수정해야한다고 제안했습니다. stats.stackexchange.com/review/suggested-edits/83662
— Silverfish

4

Matt Krause의 멋진 답변에 추가하기 만하면됩니다 (실제로 쉽게 얻을 수 있음). x, y가 독립적이면,

E1,1=E[(x−E[x])(y−E[y])]=Cov(x,y)=0E1,2=E[(x−E[x])(y−E[y])2]=E[x−E(x)]E[(y−E[y])2]=(E[x]−E[x])E[(y−E[y])2]=0E2,1=0E2,2=E[(x−E[x])2(y−E[y])2]=E[(x−E[x])2]E[(y−E[y])2=V[x]V[y]V[xy]=E[x]2V[y]+E[y]2V[x]+V[x]V[y]

1
독립적 인 랜덤 변수 의 경우에 대한 결과 는 여기 에서 논의 되었습니다 . n
— Dilip Sarwate

3

Matt가 제공 한 일반 공식 외에도 제로 평균 가우시안 랜덤 변수에 대해 다소 더 명확한 공식이 있음을 주목할 가치가 있습니다. 그것은 Isserlis의 정리에 따르며 , 중심 다변량 정규 분포의 더 높은 모멘트 도 참조하십시오 .

가 평균 0 및 공분산 행렬 갖는 다변량 정규 분포를 따른 다고 가정합니다 . 변수 개수 가 홀수 인 경우 이고 여기서 는 의 모든 파티션 을 분리 된 쌍 으로 합한 것을 의미합니다. 해당 의 위치 (x1,…,xk)ΣkE(∏ixi)=0

V(∏ixi)=E(∏ixi2)=∑∏Σ~i,j
Σ∏{1,…,2k}k{i,j}k Σ~i,j
Σ~=(ΣΣΣΣ)
는 대한 공분산 행렬입니다. . 경우 , 짝수 케이스에는 우리는 얻을 경우 우리 얻을 합계 15 개 개의 조건이있다.(x1,…,xk,x1,…,xk)k
V(∏ixi)=∑∏Σ~i,j−(∑∏Σi,j)2.
k=2
V(x1x2)=Σ1,1Σ2,2+2(Σ1,2)2−Σ1,22=Σ1,1Σ2,2+(Σ1,2)2.
k=3
V(x1x2x3)=∑Σi,jΣk,lΣr,t,

실제로, 일반 식을 구현하는 것이 가능하다. 가장 어려운 부분은 필요한 파티션을 계산하는 것으로 보입니다. R에서는 setpartspackage 의 함수 를 사용하여이를 수행 할 수 있습니다 partitions. 이 패키지를 사용하여 그것을 위해 2,027,025 파티션을 생성 할 문제가 없었다 에 대한 34,459,425 파티션 도 생성 할 수 있지만, 위해하지 654,729,075 파티션 (내 16기가바이트 노트북에).k = 9 k = 10k=8k=9k=10

다른 것들도 주목할 가치가 있습니다. 첫째, 0이 아닌 가우시안 변수의 경우 Isserlis의 정리에서 식을 도출 할 수 있어야합니다. 둘째, 위의 공식이 정규성 편차에 대해 강력한 지, 즉 변수가 다변량 정규 분포가 아니더라도 근사치로 사용될 수 있는지 확실하지 않습니다. 셋째, 위의 공식은 정확하지만 분산이 제품 분포에 대해 얼마나 많은지를 알 수 있습니다. 경우 에도 제품의 분포는 상당히 렙 토쿠 르틱이며, 더 큰 경우 빠르게 렙 토쿠 르틱이됩니다.Kk=2k


깔끔한 접근! 가치있는 것에 대해, 내 대답의 수식에는 조합 폭발이 있습니다 .C에 대한 합산에는 항을 합산하는 것이 포함 됩니다. O(3k)
— 매트 크라우스
당사 사이트를 사용함과 동시에 당사의 쿠키 정책과 개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.