当均值和方差已知时,双变量正态数据的协方差的最大似然估计是多少?


10

假设我们有一个来自二元正态分布的随机样本,其均值为零,方差为1,因此唯一未知的参数是协方差。协方差的MLE是多少?我知道应该是但是我们怎么知道呢?1nj=1nxjyj


1
首先,您难道不知道用和来估计均值确实有点聪明,而实际上我们知道它们分别是0和0?x¯y¯
沃尔夫冈2014年

非常不明智,将其修复。仍然不知道如何轻松地做到这一点。它类似于样本方差,但为什么是MLE(除非不是,而且我犯了另一个错误)
Stacy

您是否已删除?采用此公式并不意味着您将和视为均值的估计。1ni=1n(xix¯)(yiy¯)x¯y¯
斯特凡·洛朗

@StéphaneLaurent是的,在最初的帖子中,公式是您编写时给出的。
沃尔夫冈

Answers:


11

相关系数的估计量(在双变量标准正态下等于协方差)

r~=1ni=1nxiyi

是矩量估计器,样本协方差。让我们来看看它的最大似然估计一致ρρ^

具有相关系数的双变量标准法线的联合密度 为ρ

f(x,y)=12π1ρ2exp{x2+y22ρxy2(1ρ2)}

因此,大小为的iid样本的对数似然为n

lnL=nln(2π)n2ln(1ρ2)12(1ρ2)i=1n(xi2+yi22ρxiyi)

(这里的iid假设当然是针对二维人口的每次抽签)

取关于的导数并将其设置为零,可得出ρ中的3d度多项式:ρρ

ρ^:nρ^3(i=1nxiyi)ρ^2(11ni=1n(xi2+yi2))nρ^i=1nxiyi=0

如果取取以真实系数估算的导数的期望值,则可以验证计算正确,它将等于零。ρ

为了紧凑起见,写,它是XY样本方差之和。如果将一阶导数除以n,MoM估计量将出现(1/n)i=1n(xi2+yi2)=(1/n)S2XYn

ρ^:ρ^3r~ρ^2+[(1/n)S21]ρ^r~=0

ρ^(ρ^2r~ρ^+[(1/n)S21])=r~

做代数,不难得出结论,我们将获得ρ = - [R ,当且仅当,1 / Ñ š 2 = 2,即,仅当它恰巧样本的总和等于方差的总和真正的差异。所以一般ρ^=r~(1/n)S2=2

ρ^r~

那么这里发生了什么?明智的人将对此进行解释,目前,让我们尝试一个模拟:我生成了两个相关系数的两个标准法线的iid样本。样本量为n = 1.000。样本值为ρ=0.6n=1.000

i=1nxiyi=522.05,S2=1913.28

矩量估计器为我们提供

r~=522.051000=0.522

对数似然会发生什么?在视觉上,我们有

在此处输入图片说明

在数字上,我们有

ρ1st derivlnL0.570.92783.650.5159.41782.470.5247.7781.480.5335.78780.680.5423.64780.10.5511.29779.750.561.29779.640.5714.1779.810.5827.15780.270.5940.44781.050.653.98782.18

ρ=0.56(ρ^=0.558985)ρ

因此,这模拟符合其结果是最大似然估计器等于矩量法估计(其是两个RV的之间的样本协方差)。

但是似乎“每个人”都在说 …… 应该这样解释。

更新

证明MLE是矩量估计法的参考文献:Anderson,TW,&Olkin,I.(1985)。多元正态分布参数的最大似然估计。线性代数及其应用,70,147-171。
在这里,所有均值和方差可以自由变化而不是固定不重要吗?

...可能是的,因为@guy在另一个(现在已删除)答案中的评论说,在给定的均值和方差参数的情况下,双变量法线成为弯曲指数族的成员(因此某些结果和属性会发生变化)...这似乎是调和这两个结果的唯一方法。


1
ρY=ρX+ϵϵN(0,1ρ22)Var(X)xy/xxxy/yyVar(Y)

1
@guy:非常有趣。我认为这些论点,如果稍稍扩大一点,就完全应该作为一个单独的答案发布!
变形虫

ϵ2=(yρx)2=y22ρxy+ρ2x2ρ2x2

1ni=1n(xix¯)(yiy¯)n=2y1=y20

1
x2+y22ρxy=(1ρ2)x2+(yρx)2(1ρ2)x2(1ρ2)(yρx)2/(1ρ2)XN(μX,σX2)[Y|X]N(μY+ρXσYσX(XμX),σY|X21ρ22)σY/σX

2

μX=μY=0σX=σY=1n

L(ρ|X,Y)=1(2π[1ρ2])n/2exp[12(1ρ2)(XX2ρXY+YY)].

ρρ^

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.