Respostas:
De acordo com Nadarajah e Kotz, 2008 , Distribuição exata das máximas / mínimas de duas variáveis aleatórias gaussianas , o PDF de parece ser
onde é o PDF e é o CDF da distribuição normal padrão.
Seja o PDF normal bivariado para com marginais padrão e correlação . O CDF do máximo é, por definição, ( X , Y ) ρ
O PDF normal bivariado é simétrico (via reflexão) em torno da diagonal. Assim, aumentar a adiciona duas tiras de probabilidade equivalente ao quadrado semi-infinito original: o superior infinitesimalmente grosso é enquanto sua contrapartida refletida, o faixa direita, é .z + d z ( - ∞ , z ] × ( z , z + d z ]
A densidade de probabilidade da faixa da direita é a densidade de em vezes a probabilidade condicional total de que esteja na faixa, . A distribuição condicional de é sempre Normal, portanto, para encontrar essa probabilidade condicional total, precisamos apenas da média e variância. A média condicional de em é a previsão de regressão e a variação condicional é a variação "inexplicável" .z Y Pr ( Y ≤ zY Y X ρ X
Agora que sabemos a média e a variância condicionais, o CDF condicional de dado pode ser obtido padronizando e aplicando o CDF normal :X Y Φ
Avaliando esta em e e multiplicando pela densidade de em (um padrão de pdf normal ) dá a densidade de probabilidade do segundo (do lado direito) tiraX z ϕ
Dobrar isso explica a faixa superior equivalente, fornecendo o PDF do máximo como
Eu pintei os fatores para significar suas origens: para as duas tiras simétricas; para as larguras infinitesimais da faixa; e para os comprimentos das tiras. O argumento deste último, , é apenas uma versão padronizada de condicional a .ϕ ( z ) Φ ( ⋯ ) 1 - ρY=zX=z