2014年1月25日更新: 错误已得到纠正。请忽略上载图像中的“期望值”的计算值-它们是错误的-我不会删除图像,因为它已经生成了该问题的答案。
2014年1月10日更新: 发现了错误-所使用的一种来源中存在数学错字。正在准备更正...
从集合的最低次序统计的密度 IID连续随机变量与CDF和pdf是
ñFX(x )FX(x )
FX(1 )(X(1 ))= nFX(X(1 ))[ 1 -FX(X(1 ))]n − 1[ 1 ]
如果这些随机变量是标准正态的,则
FX(1 )(X(1 ))= n ϕ (X(1 ))[ 1 - Φ (X(1 ))]n − 1= n ϕ (X(1 ))[ Φ (-X(1 ))]n − 1[ 2 ]
,因此其期望值为
Ë(X(1 ))= n∫∞- ∞X(1 )ϕ (X(1 ))[ Φ (-X(1 ))]n − 1dX(1 )[ 3 ]
我们使用标准法线的对称属性。在Owen 1980,第402页,等式[ n,011 ]中,我们发现
∫∞- ∞žφ (ž)[ Φ (一个ž)]米dž=一个米(一个2+ 1-----√)(2个π--√)∫∞- ∞φ (ž)[ Φ (一个ž一个2+ 1-----√)]m − 1dž[ 4 ]
我们得到和(,)之间的匹配参数[ 3 ][ 4 ]a = − 1m=n−1
E(X(1))=−n(n−1)2π−−√∫∞−∞ϕ(x(1))[Φ(−x(1)2–√)]n−2dx(1)[5]
再次在欧文1980年,第2页。409,eq [ n0,010.2 ]我们发现
∫∞−∞⎡⎣⎢∏i=1mΦ⎛⎝⎜hi−diz1−d2i−−−−−√⎞⎠⎟⎤⎦⎥ϕ(z)dz=Zm(h1,...,hm;{ρij})[6]
其中是标准的多元法线,是成对相关系数,并且是。Zm()ρij=didj,i≠j−1≤di≤1
匹配和我们有,和
[5][6]m=n−2hi=0,∀i
di1−d2i−−−−−√=12–√⇒di=±13–√∀i⇒ρij=ρ=1/3
利用这些结果,等式变为[5]
E(X(1))=−n(n−1)2π−−√Zn−2(0,...,0;ρ=1/3)[7]
这种均等相关变量的多元标准正态概率积分都被评估为零,已经进行了足够的研究,并且已经得出了各种近似和计算方法。Gupta(1963)进行了广泛的综述(通常涉及多元正态概率积分的计算)。Gupta为各种相关系数以及最多12个变量提供了显式值(因此涵盖了14个变量的集合)。结果是(最后一列错误):
现在,如果我们绘制值如何随变化,我们将获得Zn−2(0,...,0;ρ=1/3)n
因此,我提出了三个问题/要求:
1)有人可以分析检查和/或通过仿真验证期望值的结果是否正确(即检查eq的有效性)吗?[7]
2)假设方法正确,是否有人可以给出均值非零且方差非零的法线的解?经过所有的转换,我感到非常头晕。
3)概率积分的值似乎在平稳发展。用某个函数近似呢?n