Rozważ wspólnie ciągłe zmienne losowe z funkcją gęstości stawu
gdzie oznacza standardową funkcję normalnej gęstości.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(⋅)
Oczywiste jest, że i są zależnymi
zmiennymi losowymi. Oczywiste jest również, że nie są to
wspólnie normalne zmienne losowe. Jednak wszystkie trzy pary
są parami niezależnymi zmiennymi losowymi: w rzeczywistości niezależnymi standardowymi zmiennymi losowymi (a zatem parami normalnie zmiennych losowych). Krótko mówiąc,
są przykładem niezależnych parami, ale nie niezależnych od siebie normalnych zmiennych losowych. Zobacz moją odpowiedź,
aby uzyskać więcej informacji.U,VW(U,V),(U,W),(V,W)U,V,W
Zauważ, że niezależność parami daje nam, że
i są zerowymi średnimi normalnymi zmiennymi losowymi z wariancją . Teraz zdefiniujmy
i zauważmy, że
jest również zerową średnią normalną zmienną losową o wariancji . Ponadto , więc i są zależnymi i skorelowanymi zmiennymi losowymi.U+V,U+WV−W2
X=U+W, Y=V−W(2)
X+Y=U+V2cov(X,Y)=−var(W)=−1XY
X i są (skorelowanymi) normalnymi zmiennymi losowymi, które nie są wspólnie normalne, ale mają tę właściwość, że ich suma jest normalną zmienną losową.YX+Y
Innymi słowy, wspólny normalność jest wystarczającym warunkiem dochodzenia do normalności suma normalnych zmiennych losowych, ale to nie warunek konieczny.
Dowód, że i nie są wspólnie normalneXY
Ponieważ transformacja jest liniowa, łatwo jest uzyskać
. Dlatego mamy
Ale ma właściwość polegającą na tym, że jego wartość jest różna od zera tylko wtedy, gdy dokładnie jeden lub wszystkie trzy jego argumenty są nieujemne. Załóżmy teraz, że . Następnie ma wartość dla
(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)i w przeciwnym razie wynosi . Zatem dla ,
Teraz
a więc rozszerzając i dokonując pewnych zmian aranżacji całek w , możemy napisać
gdzie jest normalnym losowym zmienna ze średnią
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
i wariancja . Oba terminy w nawiasach kwadratowych dotyczą standardowego normalnego CDF z argumentami, które są (różnymi) funkcjami zarówno jak i . Tak więc, jest
nie dwuwymiarowym normalnej gęstości chociaż oba i
są normalnymi zmiennymi losowymi, a ich suma jest normalnej zmiennej losowej.
13Φ(⋅)xyfX,YXY
Komentarz: Łączna normalność i wystarcza do normalności ale oznacza również znacznie więcej: jest normalne dla
wszystkich wyborów . Tutaj potrzebujemy aby było normalne tylko dla trzech wyborów , mianowicie,
gdzie pierwsze dwa wymuszają często ignorowane warunek (patrz np. odpowiedź ), że (marginalne) gęstości i muszą być normalnymi gęstościami, a trzeci mówi, że suma musi mieć również normalną gęstość. Tak więc, możnaXYX+YaX+bY(a,b)aX+bY(a,b) (1,0),(0,1),(1,1)Y.H.XYmają normalne zmienne losowe, które nie są
wspólnie normalne, ale których suma jest normalna, ponieważ nie obchodzi nas, co stanie się z innymi wyborami .(a,b)