Trasformazione della normale bivariata
Se $(X,Y)$ e' una normale bivariata (con correlazione non necessariamente uguale a zero), allora la variabile doppia $(U,V)$ dove $U=X+Y$ e $V=X-Y$ e' anch'essa una normale bivariata e le sue componenti (cioe' $U$ e $V$) hanno correlazione pari a zero (quindi sono indipendenti).
E' vero? Sapreste indicarmi delle references? Possibilmente un testo in lingua inglese?
E' vero? Sapreste indicarmi delle references? Possibilmente un testo in lingua inglese?
Risposte
Sicuro che $U$ e $V$ sono non correlate? A me vengono correlate, però può darsi che abbia sbagliato qualcosa.
C'e' una cosa simile in: Giorgio dall'Aglio, Calcolo delle Probabilita', Zanichelli (a pg. 162, equazione (22), la mia edizione del libro e' del 1987). Pero' ho paura di aver interpretato male il testo.
I calcoli sono un vero casino. Infatti forse conviene procedere al contrario: dalla funzione di ripartizione di $(X,Y)$ (per semplicita' meglio prenderla standardizzata) si puo' vedere quale trasformazione di $x$ e $y$ annulla il termine con $\rho$ (dentro all'esponenziale). Pero' non so se sia corretto.
Qualcuno ne ha idea?
I calcoli sono un vero casino. Infatti forse conviene procedere al contrario: dalla funzione di ripartizione di $(X,Y)$ (per semplicita' meglio prenderla standardizzata) si puo' vedere quale trasformazione di $x$ e $y$ annulla il termine con $\rho$ (dentro all'esponenziale). Pero' non so se sia corretto.
Qualcuno ne ha idea?
Io quello che ho fatto è calcolare la covarianza tra $U$ e $V$, supponendo $X sim N(mu_1,sigma_{1}^{2})$ e $Ysim N(mu_{2}, sigma_{2}^{2})$ e che $Cov(X,Y)=sigma_{12}$.
Una cosa che mi ricordo è la segunte: se la bivariata è Normale, allora le marginali lo sono pure; invece, non vale sempre il contrario.
Una cosa che mi ricordo è la segunte: se la bivariata è Normale, allora le marginali lo sono pure; invece, non vale sempre il contrario.
Forse ho trovato. $U$ e $V$ sono indipendenti se $Var(X)=Var(Y)$. E' piu' semplice di quello che sembrava:
$Cov(U,V)=E(UV)-E(U)E(V)$
$E(UV)=E(X^2)-E(Y^2)=Var(X)-Var(Y)+[E(X)]^2-[E(Y)]^2$
$E(U)E(V)=[E(X)+E(Y)]*[E(X)+E(Y)]=[E(X)]^2-[E(Y)]^2$
Quindi:
$Cov(U,V)=Var(X)-Var(Y)$
che e' zero se e solo se $Var(X)=Var(Y)$.
Vi sembra che torna?
Quindi, in generale, prima bisogna standardizzare $X$ e $Y$ in modo da rendere le loro varianze uguali (per esempio uguali a 1) e a quel punto la somma e la differenza sono una normale bivariata con componenti indipendenti ... se non ho fatto altri errori
$Cov(U,V)=E(UV)-E(U)E(V)$
$E(UV)=E(X^2)-E(Y^2)=Var(X)-Var(Y)+[E(X)]^2-[E(Y)]^2$
$E(U)E(V)=[E(X)+E(Y)]*[E(X)+E(Y)]=[E(X)]^2-[E(Y)]^2$
Quindi:
$Cov(U,V)=Var(X)-Var(Y)$
che e' zero se e solo se $Var(X)=Var(Y)$.
Vi sembra che torna?
Quindi, in generale, prima bisogna standardizzare $X$ e $Y$ in modo da rendere le loro varianze uguali (per esempio uguali a 1) e a quel punto la somma e la differenza sono una normale bivariata con componenti indipendenti ... se non ho fatto altri errori
Si, infatti la covarianza tra $U$ e $V$ mi veniva la differenza tra la varianza di $X$ e quella di $Y$; se le standardizzi o se hanno la stessa varianza, allora è ok.