考虑 具有联合密度函数
联合连续随机变量
其中表示标准法线密度函数。U,V,W
fU,V,W(u,v,w)=⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪2ϕ(u)ϕ(v)ϕ(w)0 if u≥0,v≥0,w≥0,or if u<0,v<0,w≥0,or if u<0,v≥0,w<0,or if u≥0,v<0,w<0,otherwise(1)
ϕ(⋅)
显然,和是因
变量。也很明显,它们不是
共同的普通随机变量。但是,所有三对
都是成对的独立随机变量:实际上,是独立的标准正态随机变量(因此是成对的联合正态随机变量)。简而言之,
是成对独立但非相互独立的普通随机变量的示例。有关
更多详细信息,请参见我的答案。U,VW(U,V),(U,W),(V,W)U,V,W
请注意,成对独立性给我们提供了
和均为零方差为正常均值随机变量。现在,让我们定义
并注意
也是具有方差的零均值正常随机变量。此外,,因此和是依存且相关的随机变量。U+V,U+WV−W2
X=U+W, Y=V−W(2)
X+Y=U+V2cov(X,Y)=−var(W)=−1XY
X和是(相关的)正常随机变量,它们不是共同正常的,但具有它们的总和是正常随机变量的性质。YX+Y
换句话说,联合正态性是断言正常随机变量之和的正态性的充分条件,但这不是必要条件。
和并非共同正态的证明XY
由于的变换是线性的,因此很容易得到
。因此,我们有
但是具有仅当正好为1时其值不为零的特性。或其所有三个参数均为非负数。现在假设。然后,值为
(U,V,W)→(U+W,V−W,W)=(X,Y,W)fX,Y,W(x,y,w)=fU,V,W(x−w,y+w,w)
fX,Y(x,y)=∫∞−∞fX,Y,W(x,y,w)dw=∫∞−∞fU,V,W(x−w,y+w,w)dw
fU,V,Wx,y>0fU,V,W(x−w,y+w,w)2ϕ(x−w)ϕ(y+w)ϕ(w)w∈(−∞,−y)∪(0,x)否则为。因此,对于,
现在,
,因此通过展开并对中的被积数进行一些重新排列,我们可以写
其中是正常随机数均值变量
0x,y>0fX,Y(x,y)=∫−y−∞2ϕ(x−w)ϕ(y+w)ϕ(w)dw+∫x02ϕ(x−w)ϕ(y+w)ϕ(w)dw.(3)
(x−w)2+(y+w)2+w2=3w2−2w(x−y)+x2+y2=w2−2w(x−y3)+(x−y3)21/3−13(x−y)2+x2+y2
2ϕ(x−w)ϕ(y+w)ϕ(w)(3)fX,Y(x,y)=g(x,y)[P{T≤−y}+P{0<T≤x}](4)
Tx−y3
和方差。方括号内的两个术语都涉及标准的普通CDF,其参数是和(不同)函数。因此,是
不二元正态密度即使两个和
是正态随机变量,并且它们的和是一个正常的随机变量。
13Φ(⋅)xyfX,YXY
注释:和联合正态性足以满足正态性,但它还意味着更多:对于所有选择都是正态的
。在这里,我们只需要对于,即三个选择是正常
其中前两个强制执行常被忽略条件(例如,参见的答案),和的(边际)密度必须是正常密度,第三个表示总和也必须具有正常密度。因此,我们可以XYX+YaX+bY(a,b)aX+bY(a,b) (1,0),(0,1),(1,1)Y.H.XY具有正常的随机变量,它们不是
共同正常的,但其总和是正常的,因为我们不在乎其他选择会发生什么。(a,b)