[数学]二维对数正态分布的概率分布,期望,方差和相关系数 |
您所在的位置:网站首页 › 二次型分布的结论 › [数学]二维对数正态分布的概率分布,期望,方差和相关系数 |
最近遇到了一个联合对数正态分布的相关系数的问题,搜遍全网无果,索性自己动手。本文借鉴了这个知乎回答 首先我们有二维正态分布: X , Y ∼ B V N ( μ x , μ y , σ x 2 , σ y 2 , ρ x y ) X,Y\sim \mathbf{BVN}(\mu_x,\mu_y,\sigma_x^2,\sigma_y^2,\rho_{xy}) X,Y∼BVN(μx,μy,σx2,σy2,ρxy) 取对数之后我们会得到二维对数正态分布的概率密度函数。只写了第一象限的函数表达式,其他地方都是0。 f ( x , y ) = 1 2 π 1 − ρ x y 2 σ x σ y x y exp [ − 1 2 ( 1 − ρ x y 2 ) ( ( ln x − μ x ) 2 σ x 2 − 2 ρ x y ( ln x − μ x ) ( ln y − μ y ) σ x σ y + ( ln y − μ y ) 2 σ y 2 ) ] f(x,y)=\frac{1}{2\pi \sqrt{1-\rho_{xy}^2}\sigma_x\sigma_y xy}\exp \left[\frac{-1}{2(1 - \rho_{xy}^2)}\left(\frac{(\ln x-\mu_x)^2}{\sigma_x^2}-\frac{2\rho_{xy}(\ln x-\mu_x)(\ln y-\mu_y)}{\sigma_x\sigma_y}+\frac{(\ln y-\mu_y)^2}{\sigma_y^2}\right)\right] f(x,y)=2π1−ρxy2 σxσyxy1exp[2(1−ρxy2)−1(σx2(lnx−μx)2−σxσy2ρxy(lnx−μx)(lny−μy)+σy2(lny−μy)2)] 引用链接里有边缘分布(一维情况下)的期望和方差的推导过程,这里只写结论: E ( X ) = exp ( μ x + σ x 2 2 ) D ( X ) = exp ( 2 μ x + σ x 2 ) ( exp ( σ x 2 ) − 1 ) E(X)=\exp(\mu_x+\frac{\sigma_x^2}{2}) \\ D(X)=\exp(2\mu_x+\sigma_x^2)(\exp(\sigma_x^2)-1) E(X)=exp(μx+2σx2)D(X)=exp(2μx+σx2)(exp(σx2)−1) 接下来想算相关系数。首先我们有相关系数的公式: ρ = C O V ( X , Y ) D ( X ) D ( Y ) = E ( X Y ) − E ( X ) E ( Y ) D ( X ) D ( Y ) \rho=\frac{COV(X,Y)}{\sqrt{D(X)D(Y)}}=\frac{E(XY)-E(X)E(Y)}{\sqrt{D(X)D(Y)}} ρ=D(X)D(Y) COV(X,Y)=D(X)D(Y) E(XY)−E(X)E(Y) 关键一步是计算 E ( X Y ) E(XY) E(XY) E ( X Y ) = ∫ − ∞ + ∞ ∫ − ∞ + ∞ x y f ( x , y ) d x d y E(XY) = \int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty}xyf(x,y)\mathbf{d}x\mathbf{d}y E(XY)=∫−∞+∞∫−∞+∞xyf(x,y)dxdy 代入 f ( x , y ) f(x,y) f(x,y) E ( X Y ) = ∫ 0 + ∞ ∫ 0 + ∞ 1 2 π 1 − ρ x y 2 σ x σ y exp [ − 1 2 ( 1 − ρ x y 2 ) ( ( ln x − μ x ) 2 σ x 2 − 2 ρ x y ( ln x − μ x ) ( ln y − μ y ) σ x σ y + ( ln y − μ y ) 2 σ y 2 ) ] d x d y E(XY) = \int_{0}^{+\infty}\int_{0}^{+\infty}\frac{1}{2\pi \sqrt{1-\rho_{xy}^2}\sigma_x\sigma_y}\exp \left[\frac{-1}{2(1 - \rho_{xy}^2)}\left(\frac{(\ln x-\mu_x)^2}{\sigma_x^2}-\frac{2\rho_{xy}(\ln x-\mu_x)(\ln y-\mu_y)}{\sigma_x\sigma_y}+\frac{(\ln y-\mu_y)^2}{\sigma_y^2}\right)\right]\mathbf{d}x\mathbf{d}y E(XY)=∫0+∞∫0+∞2π1−ρxy2 σxσy1exp[2(1−ρxy2)−1(σx2(lnx−μx)2−σxσy2ρxy(lnx−μx)(lny−μy)+σy2(lny−μy)2)]dxdy 作变换("简单的"二次型标准化) u = ln x − μ x σ x − ( ρ x y σ y + σ x ) , v = ln y − μ y σ y − ( ρ x y σ x + σ y ) u=\frac{\ln x - \mu_x}{\sigma_x}-(\rho_{xy}\sigma_y+\sigma_x),\quad v=\frac{\ln y - \mu_y}{\sigma_y}-(\rho_{xy}\sigma_x+\sigma_y) u=σxlnx−μx−(ρxyσy+σx),v=σylny−μy−(ρxyσx+σy) 逆变换及其微分 x = exp ( σ x u + ρ x y σ x σ y + σ x 2 + μ x ) , y = exp ( σ y u + ρ x y σ x σ y + σ y 2 + μ y ) , d x = σ x exp ( σ x u + ρ x y σ x σ y + σ x 2 + μ x ) d u , d y = σ y exp ( σ y u + ρ x y σ x σ y + σ y 2 + μ y ) d u . x=\exp(\sigma_x u + \rho_{xy}\sigma_x\sigma_y+\sigma_x^2+\mu_x),\\ y=\exp(\sigma_y u + \rho_{xy}\sigma_x\sigma_y+\sigma_y^2+\mu_y),\\ \mathbf{d} x = \sigma_x \exp(\sigma_x u + \rho_{xy}\sigma_x\sigma_y+\sigma_x^2+\mu_x)\mathbf{d}u,\\ \mathbf{d} y = \sigma_y \exp(\sigma_y u + \rho_{xy}\sigma_x\sigma_y+\sigma_y^2+\mu_y)\mathbf{d}u. x=exp(σxu+ρxyσxσy+σx2+μx),y=exp(σyu+ρxyσxσy+σy2+μy),dx=σxexp(σxu+ρxyσxσy+σx2+μx)du,dy=σyexp(σyu+ρxyσxσy+σy2+μy)du. 代入 E ( X Y ) E(XY) E(XY)得(节省空间不写积分上下限了,都是无穷) E ( X Y ) = 1 2 π 1 − ρ x y 2 ∬ exp [ − 1 2 ( 1 − ρ x y 2 ) ( u + ρ x y σ y + σ x ) 2 − 2 ρ x y ( u + ρ x y σ y + σ x ) ( v + ρ x y σ x + σ y ) + ( v + ρ x y σ x + σ y ) 2 + σ x u + σ y v + 2 ρ x y σ x σ y + σ x 2 + σ y 2 + μ x + μ y ] d u d v E(XY) = \frac{1}{2\pi\sqrt{1-\rho_{xy}^2}}\iint \exp\left[ \frac{-1}{2(1-\rho_{xy}^2)} (u+\rho_{xy}\sigma_y+\sigma_x)^2-2\rho_{xy}(u+\rho_{xy}\sigma_y+\sigma_x)(v+\rho_{xy}\sigma_x+\sigma_y)\\ +(v+\rho_{xy}\sigma_x+\sigma_y)^2+\sigma_x u+\sigma_y v+2\rho_{xy}\sigma_x\sigma_y+\sigma_x^2+\sigma_y^2+\mu_x+\mu_y \right]\mathbf{d}u\mathbf{d}v E(XY)=2π1−ρxy2 1∬exp[2(1−ρxy2)−1(u+ρxyσy+σx)2−2ρxy(u+ρxyσy+σx)(v+ρxyσx+σy)+(v+ρxyσx+σy)2+σxu+σyv+2ρxyσxσy+σx2+σy2+μx+μy]dudv 化简得到 E ( X Y ) = exp ( μ x + μ y + 1 2 ( σ x 2 + 2 ρ x y σ x σ y + σ y 2 ) ) 1 2 π ( 1 − ρ x y 2 ) ∬ exp [ − 1 2 ( 1 − ρ x y 2 ) ( u 2 − 2 ρ x y u v + v 2 ) ] d u d v E(XY) =\exp(\mu_x+\mu_y+\frac{1}{2}(\sigma_x^2+2\rho_{xy}\sigma_x\sigma_y+\sigma_y^2)) \frac{1}{2\pi(1-\rho_{xy}^2)}\iint \exp \left[\frac{-1}{2(1-\rho_{xy}^2)}(u^2-2\rho_{xy}uv+v^2)\right]\mathbf{d}u\mathbf{d}v E(XY)=exp(μx+μy+21(σx2+2ρxyσxσy+σy2))2π(1−ρxy2)1∬exp[2(1−ρxy2)−1(u2−2ρxyuv+v2)]dudv 指数项右边是一个正态分布概率密度的积分,因此等于1,于是得到了一个很简单的形式 E ( X Y ) = exp ( μ x + μ y + 1 2 ( σ x 2 + 2 ρ x y σ x σ y + σ y 2 ) ) E(XY) = \exp(\mu_x+\mu_y+\frac{1}{2}(\sigma_x^2+2\rho_{xy}\sigma_x\sigma_y+\sigma_y^2)) E(XY)=exp(μx+μy+21(σx2+2ρxyσxσy+σy2)) 然后我们把 E ( X Y ) E(XY) E(XY), E ( X ) E(X) E(X), E ( Y ) E(Y) E(Y), D ( X ) D(X) D(X), D ( Y ) D(Y) D(Y)代入相关系数公式化简得 ρ = exp ( ρ x y σ x σ y ) − 1 ( exp ( σ x 2 ) − 1 ) ( exp ( σ y 2 ) − 1 ) \rho=\frac{\exp \left(\rho_{xy}\sigma_x\sigma_y \right)-1}{\sqrt{(\exp(\sigma_x^2)-1)(\exp(\sigma_y^2)-1)}} ρ=(exp(σx2)−1)(exp(σy2)−1) exp(ρxyσxσy)−1 但是这个相关系数的结果有个很奇怪的性质,困扰了我一天,那就是当
σ
x
≠
σ
y
\sigma_x\neq \sigma_y
σx=σy的时候
ρ
\rho
ρ取不到
[
−
1
,
1
]
[-1,1]
[−1,1],我用数字帝国画了个
σ
x
=
1
,
σ
y
=
2
\sigma_x=1,\sigma_y=2
σx=1,σy=2时的草图,长这样: 结果是0.6505,和图像相符,也就是说二维对数正态分布的相关系数取值范围确实不总是 [ − 1 , 1 ] [-1,1] [−1,1]。 再附一个画二维正态和二维对数正态概率分布的代码: X1=[0.01:0.01:3]; Y1=[0.01:0.01:3]; [x,y]=meshgrid(X1,Y1); rho = 0.5; sigma_x = 1; sigma_y = 1; mu_x = 1; mu_y = 1; BVLN=(exp(-((((log(x)-mu_x).^2./sigma_x.^2)-(2.*rho.*(log(x)-mu_x).*(log(y)-mu_y)./(sigma_x.*sigma_y))+((log(y)-mu_y).^2)./sigma_y.^2)./(2.*(1-rho.^2))))./(2*sigma_x*sigma_y.*pi.*sqrt(1-rho.^2).*x.*y)); BVN=(exp(-((((x-mu_x).^2./sigma_x.^2)-(2.*rho.*(x-mu_x).*(y-mu_y)./(sigma_x.*sigma_y))+((y-mu_y).^2)./sigma_y.^2)./(2.*(1-rho.^2))))./(2*sigma_x*sigma_y.*pi.*sqrt(1-rho.^2))); subplot(1,2,1);surf(x,y,BVLN); subplot(1,2,2);surf(x,y,BVN);画出来是这种感觉: |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |