对正态分布的高阶产品的期望


9

我有两个正态分布的变量和,均值零,协方差矩阵。我有兴趣尝试根据的条目来计算的值。X1X2ΣE[X12X22]Σ

我用总概率定律得到 但我不确定内部期望会降低到什么。这里还有其他方法吗?E[X12X22]=E[X12E[X22|X1]]

谢谢。

编辑:变量也是多元正态分布。


5
做与享受二元正态分布也?(仅说和在协方差矩阵是正态的,还不足以得出联合分布是双变量正态的结论)。X1X2X1X2Σ
Dilip Sarwate 2015年

1
对于我想到的特定应用,通过多元中心极限定理,和确实具有二元正态分布。我忘了在原始帖子中提及这一点。X1X2
AGK 2015年

1
@AGK如果您想澄清自己的帖子,可以使用“编辑”按钮进行更改。对于将来的读者来说,这更好,他们以后就不必在问题下方的注释中查找关键信息。
银鱼

Answers:


8

期望显然与平方比例因子的乘积成正比。通过对变量进行标准化可以获得比例常数,从而将降低为具有相关的相关矩阵。σ11σ22Σρ=σ12/σ11σ22

假设双变量正态性,那么根据https://stats.stackexchange.com/a/71303的分析,我们可以将变量更改为

X1=X, X2=ρX+(1ρ2)Y

其中具有标准的(不相关的)双变量正态分布,我们只需要计算(X,Y)

E(X2(ρX+(1ρ2)Y)2)=E(ρ2X4+(1ρ2)X2Y2+cX3Y)

常数的精确值无关紧要。(是对回归时的残差。)使用标准正态分布的单变量期望cYX2X1

E(X4)=3, E(X2)=E(Y2)=1, EY=0

并指出和是独立收益XY

E(ρ2X4+(1ρ2)X2Y2+cX3Y)=3ρ2+(1ρ2)+0=1+2ρ2.

将此乘以可得出σ11σ22

E(X12X22)=σ11σ22+2σ122.

相同的方法适用于在找到任何多项式的期望 ,因为它成为的多项式,并且当展开时,是独立正态分布变量和的多项式。从(X1,X2)(X,ρX+(1ρ2)Y)XY

E(X2k)=E(Y2k)=(2k)!k!2k=π1/22kΓ(k+12)

对于积分(对称性所有奇数矩等于零),我们可以得出k0

E(X12pX22q)=(2q)!2pqi=0qρ2i(1ρ2)qi(2p+2i)!(2i)!(p+i)!(qi)!

(所有其他对单项式期望的期望都等于零)。这与超几何函数成比例(几乎可以定义为:涉及的操作不深入或没有启发性),

1π2p+q(1ρ2)qΓ(p+12)Γ(q+12)2F1(p+12,q;12;ρ2ρ21).

超几何函数时间被视为非零的乘法校正。(1ρ2)qρ


1
感谢您的详细回答!我也在考虑其他多项式的相关问题,因此这是一个非常有用的框架。这是我以前从未见过的非常聪明的转变。凉!
2015年

3
为了帮助您进行调查,我提供了一般多项式的详细信息。当我最初写这个答案的时候,我感到很有趣,意识到我从Friedman,Pisani和Purves的基本统计教科书中学到了这种转变:我们将这些教给大学新生!
ub
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.