Wyznaczanie dwuwymiarowej gęstości kopuli Gaussa

Nov 23 2020

Wielowymiarowe Gaussa gęstość kopuła , pochodzące tutaj jest

$$c(u_1,\ldots,u_n;\Sigma)=|\Sigma|^{-\frac{1}{2}}\exp\!\left(-\frac{1}{2}x^{\top}(\Sigma^{-1}-I)x\right)$$ gdzie $\Sigma$ jest macierzą kowariancji, a $x=[\Phi^{-1}(u_1),\ldots,\Phi^{-1}(u_n)]^{\top}$.

Dwuwymiarowe Gaussa gęstość kopuła , w oparciu o współczynnik korelacji parami$\rho$, jest $$ c\left(u_{1}, u_{2} ; \rho\right)=\frac{1}{\sqrt{1-\rho^{2}}} \exp \left\{-\frac{\rho^{2}\left(x_{1}^{2}+x_{2}^{2}\right)-2 \rho x_{1} x_{2}}{2\left(1-\rho^{2}\right)}\right\} $$

Jakie jest wyprowadzenie drugiej formuły z pierwszej?

Odpowiedzi

1 RRL Nov 24 2020 at 07:52

Zauważ, że ze standardowymi normalnymi marginesami

$$\Sigma=\left[\begin{array}{cc} 1 & \rho \\ \rho & 1 \end{array}\right],\,\, |\Sigma| = 1 - \rho^2$$

i

$$\Sigma^{-1}= \frac{1}{1- \rho^2}\left[\begin{array}{cc} 1 & -\rho \\ -\rho & 1 \end{array}\right], \,\, \Sigma^{-1}-I= \frac{1}{1- \rho^2}\left[\begin{array}{cc} \rho^2 & -\rho \\ -\rho & \rho^2 \end{array}\right]$$

W związku z tym,

$$- \frac{1}{2}\mathbf{x}^{\top}(\Sigma^{-1}-I)\mathbf{x} = \frac{-1}{2(1- \rho^2)}\left[\begin{array}{cc} x_1 & x_2 \end{array}\right]\left[\begin{array}{cc} \rho^2 & -\rho \\ -\rho & \rho^2 \end{array}\right]\left[\begin{array}{cc} x_1 \\ x_2 \end{array}\right] \\= \frac{-1}{2(1- \rho^2)}\left[\begin{array}{cc} x_1 & x_2 \end{array}\right]\left[\begin{array}{cc} \rho^2x_1 -\rho x_2 \\ -\rho x_1 + \rho^2 x_2 \end{array}\right] \\= -\frac{\rho^2 (x_1^2 +x_2^2)- 2\rho x_1 x_2 }{2(1-\rho^2)},$$

a zatem,

$$|\Sigma|^{-\frac{1}{2}}\exp\!\left(-\frac{1}{2}\mathbf{x}^{\top}(\Sigma^{-1}-I)\mathbf{x}\right) = \frac{1}{\sqrt{1- \rho^2}} \exp \left\{-\frac{\rho^2 (x_1^2 +x_2^2)- 2\rho x_1 x_2 }{2(1-\rho^2)} \right\}$$