Was ist cov (X, Y), wobei X = min (U, V) und Y = max (U, V) für unabhängige normale (0,1) Variablen U und V?

Antworten:

10

Als direkte Folge der Definition der Kovarianz ist Cov(X,Y)=E(XY)E(X)E(Y) .

Fakt 1: ( Summe normalverteilter Zufallsvariablen )ist eine halbnormale Zufallsvariable mit dem Parameter
U,Vi.i.d.N(0,1)
UVN(0,2)
|UV|σ=2
E(|UV|)=σ2π=22π=2π

Fakt 2: ( Linearität der Erwartung ). Wir haben . Infolgedessen ist .
E(X)+E(Y)=E(X+Y)E(X+Y)=E(min(U,V)+max(U,V))=E(U+V)=E(U)+E(V)=0+0=0E(Y)=E(X)

Fakt 3:
Da: , daherYX=|UV|
2E(Y)=E(Y)E(X)=E(YX)=E(|UV|)=2πE(Y)=22π=1π

Fakt 4:
Da , haben wirXY=UVE(XY)=E(UV)=E(U)E(V)=0

Unter Verwendung dieser Tatsachen: .Cov(X,Y)=E(XY)E(X)E(Y)=0+E(Y)E(Y)=1π1π=1π

Franck Dernoncourt
quelle
Sollte ein negatives Vorzeichen für - Sie haben anstelle von 4. Gute Antwort. cov(X,Y)E(Y)2E(X)E(Y)
Wahrscheinlichkeitslogik
E (X) E (Y) wäre dasselbe wie E ^ 2 (Y). Das Problem ist, dass sich das Vorzeichen von - nach + geändert hat. Es ist eine Schande, einen so schönen Beweis zu erbringen und ganz am Ende einen unachtsamen Fehler zu machen. Ich habe es auf den ersten Blick übersehen.
Michael R. Chernick
Das Vorzeichen änderte sich als (Fakt 2). Ich habe die Antwort gepostet, als ich dachte, Leser von Was ist cov (X, Y), wobei X = min (U, V) und Y = max (U, V) für unabhängige einheitliche (0,1) Variablen U und V? könnte interessiert sein. \E(X)=\E(Y)
Franck Dernoncourt
Sorry Franck irgendwie war ich verwirrt. Es sieht so aus, als hättest du es richtig gemacht und wir hatten es falsch.
Michael R. Chernick