Kovarianz transformierter Zufallsvariablen

12

Ich habe zwei Zufallsvariablen X>0 und Y>0 .

Wenn ich

Cov(X,Y),
abschätzen kann , wie kann ich Cov ( log ( X ) , log ( Y ) ) abschätzen ?
Cov(log(X),log(Y))?
user7064
quelle
3
Diese frühere Frage bezog sich auf Korrelation anstelle von Kovarianz, ist aber verwandt mit: stats.stackexchange.com/questions/35941/…
Douglas Zare

Antworten:

16

Man könnte den Ansatz der Taylor-Expansion verfolgen:

http://en.wikipedia.org/wiki/Taylor_expansions_for_the_moments_of_functions_of_random_variables

Bearbeiten:

Nimm , V = log ( Y ) .U=log(X)V=log(Y)

Verwenden Sie die multivariate Taylor-Erweiterung, um eine Annäherung an zu berechnen (ähnlich wie im Beispiel am Ende von "First Moment" in der Verknüpfung, die den einfacheren Fall von E ( X .1 / Y ) ausführt ) , und verwenden Sie univariate Erweiterungen zur Berechnung von Näherungen an E ( U ) und E ( V ) (wie im ersten Teil desselben Abschnitts angegeben) mit ähnlicher Genauigkeit. Berechnen Sie aus diesen Dingen die (angenäherte) Kovarianz.E(UV)E(X.1/Y))E(U)E(V)

Ich gehe davon aus, dass Sie Begriffe im Mittelwert und in der Varianz jeder (nicht transformierten) Variablen und ihrer Kovarianz erhalten, die sich in einem ähnlichen Näherungsgrad wie das Beispiel im Link befinden.

Bearbeiten 2:

Aber hier ist ein kleiner Trick, der einige Mühen erspart:

Man beachte , dass und X = exp ( U ) und Y = exp ( V ) .E(XY)=Cov(X,Y)+E(X)E(Y)X=exp(U)Y=exp(V)

Gegeben ist wir haben E(exp(U))exp(μU)+exp(μU)

E[f(X)]f(μX)+f(μX)2σX2
E(exp(U))exp(μU)+exp(μU)2σU2exp(μU+12σU2)

Edit: Dieser letzte Schritt folgt aus der Taylor-Approximation , was gut für kleines b ist (wobei b = 1 ist)exp(b)1+bb ).b=12σU2

(Diese Näherung ist genau für , V normal: E ( exp ( U ) ) = exp ( μ U + 1UV)E(exp(U))=exp(μU+12σU2)

Sei W=U+V

E(XY)=E(exp(U).exp(V))=E(exp(W))

exp(μW)+exp(μW)2σW2exp(μW+12σW2)

Var(W)=Var(U)+Var(V)+2Cov(U,V)

(Bearbeiten:)

1+Cov(X,Y)E(X)E(Y)=E(XY)E(X)E(Y)
exp(μW+12σW2)exp(μU+12σU2).exp(μV+12σV2)
exp(μU+μV+12(σU2+σV2+2Cov(U,V)))exp(μU+12σU2).exp(μV+12σV2)
exp[Cov(U,V)]

Cov(U,V)log(1+Cov(X,Y)E(X)E(Y))U,V

Wenn Sie die erste Näherung anstelle der zweiten verwenden, erhalten Sie hier eine andere Näherung.

Glen_b - Setzen Sie Monica wieder ein
quelle
Könnten Sie uns bitte etwas näher erläutern? Trotzdem danke für den Vorschlag
user7064
Für Details bearbeitet.
Glen_b
Danke @Glend_b. Ich akzeptiere, wenn Details hinzugefügt werden. In der Zwischenzeit +1 :-)
user7064
Keine Bange; Ich war zu der Zeit beschäftigt, dann total vergessen. Jetzt behoben
Glen_b -Reinstate Monica 18.01.13
UVXY
8

XYCov(X,Y)XYCov(log(X),log(Y))log(X)log(Y)

Der Bauer
quelle