Questa è un'aggiunta alla bella risposta di @ Macro che espone esattamente ciò che è necessario sapere per determinare la varianza del prodotto di due variabili casuali correlate. Dal
dovecov(X,Y),E[X],E[Y],E
var(XY)=E[(XY)2]−(E[XY])2=E[(XY)2]−(cov(X,Y)+E[X]E[Y])2=E[X2Y2]−(cov(X,Y)+E[X]E[Y])2=(cov(X2,Y2)+E[X2]E[Y2])−(cov(X,Y)+E[X]E[Y])2(1)(2)(3)
cov(X,Y)E[X]E[Y] ed
E [ Y 2 ] possono essere considerati quantità note, dobbiamo essere in grado di determinare il valore di
E [ X 2 Y 2 ] in
( 2 ) o
cov ( X 2 , Y 2 ) in
( 3 ) . Questo non è facile da fare in generale, ma, come già sottolineato, se
X e
Y sonovariabili casuali
indipendenti, allora
cov ( X ,E[X2]E[Y2]E[X2Y2](2)cov(X2,Y2)(3)XY . In effetti, la
dipendenza,non la correlazione (o la mancanza di essa) è la questione chiave. Il fatto che sappiamo che
cov ( X , Y ) è uguale a
0
invece di un valore diverso da zero nonaiuta,
da solo, aminimizzare i nostri sforzi nel determinare il valore di
E [ X 2 Y 2 ] o
cov ( X 2 , Y 2 ) anche se
cov(X,Y)=cov(X2,Y2)=0cov(X,Y)0E[X2Y2]cov(X2,Y2)non semplificare il lato destro
e
( 3 ) un po '.
(2)(3)
Quando e Y sono
variabili casuali dipendenti , quindi in almeno un caso speciale (abbastanza comune o abbastanza importante), è possibile trovare il valore di E [ X 2 Y 2 ] in modo relativamente semplice.XYE[X2Y2]
Supponiamo che e Y siano variabili casuali normali congiuntamente con coefficiente di correlazione ρ . Quindi, condizionata
su X = x , la densità condizionale di Y è una densità normale con media
E [ Y ] + ρ √XYρX= xYe varianzavar(Y)(1-ρ2). Pertanto,
E[X2Y2∣X]E[ Y] + ρvar( Y)var( X)-----√( x-E[ X] )var( Y) ( 1 - ρ2)
che è unafunzionequarticadiX, diciamog(X), e la Legge delle aspettative iterate ci dice che
E[X2Y2]=E[E[X2Y2∣X]]=E[g(X)]
E[ X2Y2∣ X]= X2E[ Y2∣ X]= X2⎡⎣var( Y) ( 1 - ρ2) + ( E[ Y] + ρvar( Y)var( X)-------√( X- E[ X] ) )2⎤⎦
Xg( X)E[ X2Y2] = E[ E[ X2Y2∣ X] ] = E[ g( X) ](4)
dove il lato destro di
può essere calcolato dalla conoscenza del 3o e 4o momento di
X - risultati standard che possono essere trovati in molti testi e libri di consultazione (il che significa che sono troppo pigro per cercarli e includerli in questa risposta).
( 4 )X
XY
V a r [ x y] = ( E [ x ] )2V a r [ y] + ( E [ y] )2V a r [ x ] +2 E [ x ] C o v [ x , y2] +2 E [ y] C o v [ x2, y]+ 2 E [ x ] E [ y] C o v [ x , y] + C o v [ x2, y2]−(Cov[x,y])2(5)
Cov[x2,y2]E[(x−E[x])2(y−E[y])2]Cov[x2,y]Cov[x,y2]