Verteilung des Maximums von zwei korrelierten Normalvariablen

18

Angenommen, ich habe zwei normale Standard-Zufallsvariablen und , die gemeinsam mit dem Korrelationskoeffizienten normal sind . $X_1$ $X_2$ $r$

Was ist die Verteilungsfunktion von ? $\max(X_1, X_2)$

correlation normal-distribution extreme-value Vendetta
quelle

Verwandte: stats.stackexchange.com/questions/173064/… .

StubbornAtom

22

Nach Nadarajah und Kotz, 2008 , exakte Verteilung der Max / Min von zwei Gaußschen Zufallsvariablen , scheint das PDF von zu sein $X = \max(X_1, X_2)$

f (x) = 2 \cdot ϕ (x) \cdot Φ (\frac{1 - r}{\sqrt{1 - r^{2}}} x),

$f(x) = 2 \cdot \phi(x) \cdot \Phi\left( \frac{1 - r}{\sqrt{1 - r^2}} x\right),$

Dabei ist die PDF-Datei und die CDF- Datei der Standardnormalverteilung. $\phi$ $\Phi$

$\hskip2in$ Bildbeschreibung hier eingeben

Lucas
quelle

Wie sieht das aus, wenn (überhaupt keine Korrelation)? Ich habe Probleme, es mir vorzustellen.

r = 0

$r = 0$

Mitch

3

Ich habe eine Abbildung hinzugefügt, die die Verteilung visualisiert. Es sieht aus wie ein zusammengedrückter Gaußscher, der leicht nach rechts geneigt ist.

Lucas

22

Sei die bivariate Normale PDF für mit Standardrand und Korrelation . Der CDF des Maximums ist per Definition $f_\rho$ $(X,Y)$ $\rho$

Pr (max (X, Y) \leq z) = Pr (X \leq z, Y \leq z) = \int_{- \infty}^{z} \int_{- \infty}^{z} f_{ρ} (x, y) d y d x .

$\Pr(\max(X, Y)\le z) = \Pr(X\le z,\ Y\le z) = \int_{-\infty}^z\int_{-\infty}^z f_\rho(x,y)dy dx.$

Das bivariate Normal PDF ist symmetrisch (über Reflexion) um die Diagonale. Somit Erhöhen zu fügt zwei Streifen gleicher Wahrscheinlichkeit auf das ursprüngliche semiinfiniten Quadrat: infinitesimal dicken obere ist , während das reflektierte Gegenstück, das rechter Streifen ist . $z$ $z+dz$ $(-\infty, z]\times (z, z+dz]$ $(z, z+dz]\times (-\infty, z]$

Zahl

Die Wahrscheinlichkeitsdichte des rechten Streifens ist die Dichte von zum fachen der gesamten bedingten Wahrscheinlichkeit, dass im Streifen ist, $X$ $z$ $Y$ $\Pr(Y\le z\,|\, X=z)$ $Y$ $Y$ $X$ $\rho X$ $\text{var}(Y) - \text{var}(\rho X) = 1-\rho^2$

$Y$ $X$ $Y$ $\Phi$

Pr (Y. \leq y | X) = Φ (\frac{y - ρ X}{\sqrt{1 - ρ^{2}}}) .

$\Pr(Y \le y\,|\, X) = \Phi\left(\frac{y-\rho X}{\sqrt{1-\rho^2}}\right).$

$y=z$ $X=z$ $X$ $z$ $\phi$

ϕ (z) Φ (\frac{z - ρ z}{\sqrt{1 - ρ^{2}}}) = ϕ (z) Φ (\frac{1 - ρ}{\sqrt{1 - ρ^{2}}} z) .

$\phi(z)\Phi\left(\frac{z-\rho z}{\sqrt{1-\rho^2}}\right) = \phi(z)\Phi\left(\frac{1-\rho}{\sqrt{1-\rho^2}}z\right).$

Das Verdoppeln dieses Wertes erklärt den höchstwahrscheinlichen oberen Streifen und ergibt das PDF des Maximums als

\frac{d}{d z} Pr (max (X, Y.) \leq z) = 2 ϕ (z) Φ (\frac{1 - ρ}{\sqrt{1 - ρ^{2}}} z) .

$\frac{d}{dz}\Pr(\max(X,Y)\le z) = \color{blue}{2}\color{black}{\phi(z)}\color{darkred}{\Phi\left(\frac{1-\rho}{\sqrt{1-\rho^2}}z\right)}.$

Reprise

$\color{blue}2$ $\color{black}{\phi(z)}$ $\color{darkred}{\Phi\left(\cdots\right)}$ $\frac{1-\rho}{\sqrt{1-\rho^2}}z$ $Y=z$ $X=z$

whuber
quelle

Kann dies auf mehr als zwei normale Standardvariablen mit gegebener Korrelationsmatrix erweitert werden?

A. Donda

1

@ A.Donda Ja - aber der Ausdruck wird komplizierter. Mit jeder neuen Dimension kommt die Notwendigkeit, sich noch einmal zu integrieren.

Whuber

Verteilung des Maximums von zwei korrelierten Normalvariablen

Antworten:

Reprise