7 votos

¿Cuando los dos componentes de una mezcla gaussiana bivariante son independientes?

Considere dos vectores aleatorios $X\equiv(X_1, X_2),Y\equiv(Y_1, Y_2)$ distribuido de la siguiente

1) $X\sim N(\begin{pmatrix} \mu_{X,1}\\ \mu_{X,2}\\ \end{pmatrix}, \begin{pmatrix} v_{X,1} & 0\\ 0 & v_{X,2} \end{pmatrix})$

2) $Y\sim N(\begin{pmatrix} \mu_{Y,1}\\ \mu_{Y,2}\\ \end{pmatrix}, \begin{pmatrix} v_{Y,1} & 0\\ 0 & v_{Y,2} \end{pmatrix})$

Considere ahora el vector aleatorio $W\equiv(W_1, W_2)$, cuya distribución de probabilidad se obtiene mediante la mezcla de $X,Y$ con ponderaciones iguales $1/2$, es decir, $$ f_W=\frac{1}{2}f_X+ \frac{1}{2}f_Y $$ donde $f$ indica el pdf.

Pregunta: en que condiciones suficientes $W_1\perp W_2$ donde $\perp$ denota la independencia?


MIS INTENTOS: Trabajando en este problema terminé encontrando algunas condiciones necesarias y suficientes para la independencia entre el$W_1$$W_2$. Pero soy sospechoso y yo estoy pidiendo ayuda para encontrar a un error.

Deje $M_{W_1, W_2}$ el valor del momento de generación de la función de $W_1, W_2$. Por la construcción $$ M_{W_1, W_2}(s,t)=\frac{1}{2}\exp(s\mu_{X,1}+t\mu_{X,2}+s^2v_{X,1}+t^2v_{X,2}) $$ $$ +\frac{1}{2}\exp(s\mu_{Y,1}+t\mu_{Y,2}+s^2v_{Y,1}+t^2v_{Y,2}) $$

La proposición: $M_{W_1, W_2}(s,t)=M_{W_1, W_2}(s,0)\times M_{W_1, W_2}(0,t)$ $\forall (s,t)\in \mathbb{R}^2$ si y sólo si $W_1$ independiente de $W_2$

En mi caso $$ M_{W_1, W_2}(s,0)\times M_{W_1, W_2}(0,t)=\frac{1}{4}\exp(s\mu_{X,1}+t\mu_{X,2}+s^2v_{X,1}+t^2v_{X,2}) $$ $$ +\frac{1}{4}\exp(s\mu_{Y,1}+t\mu_{Y,2}+s^2v_{Y,1}+t^2v_{Y,2}) $$ $$ +\frac{1}{4}\exp(s\mu_{X,1}+t\mu_{Y,2}+s^2v_{X,1}+t^2v_{Y,2}) $$ $$ +\frac{1}{4}\exp(s\mu_{Y,1}+t\mu_{X,2}+s^2v_{Y,1}+t^2v_{X,2}) $$ Observe que $$ M_{W_1, W_2}(s,0)\times M_{W_1, W_2}(0,t)=M_{W_1, W_2}(s,t) $$ si y sólo si

$\mu_{X,1}=\mu_{Y,1}$ $v_{X,1}=v_{Y,1}$

o

$\mu_{X,2}=\mu_{Y,2}$ $v_{X,2}=v_{Y,2}$

Por lo tanto, por la proposición anterior, $W_1 \perp W_2$ si y sólo si

$\mu_{X,1}=\mu_{Y,1}$ $v_{X,1}=v_{Y,1}$

o

$\mu_{X,2}=\mu_{Y,2}$ $v_{X,2}=v_{Y,2}$.

3voto

user164061 Puntos 281

De manera alternativa, usted podría usar el requisito y condición suficiente que usted tiene independencia iff la combinación de la probabilidad de $X_1$ $X_2$ es el producto de la probabilidad de $X_1$$X_2$.

$$f_{(X_1,X_2)} = f_{X_1} f_{X_2}$$

Y esto se podría trabajar más fácilmente (más fácilmente en el sentido de que la parte después de su aviso de que... " no es tan trivial):

$W$ como mezcla de $X$ $Y$ $$f_{(W_1,W_2)} = a f_{(X_1,X_2)} + b f_{(Y_1,Y_2)}$$

$W$ como producto de archivos Pdf de la mezcla de $X_1$ $Y_1$ y la mezcla de $X_2$ $Y_2$ (sólo iff $W_1$ $W_2$ son independientes) $$f_{(W_1,W_2)} = \hphantom{\frac{1}{2}} f_{W_1}f_{W_2} \hphantom{+ \frac{1}{2} f_{(Y_1,Y_2)}}$$

Lo que conduce a: $$a f_{X_1}f_{X_2} + b f_{Y_1}f_{Y_2} = (a f_{X_1} + b f_{Y_1})(a f_{X_2}+ b f_{Y_2})$$

Y, para cualquier $a+b=1$, se obtiene después de algunos álgebra:

$$(f_{X_1}-f_{Y_1}) (f_{X_2}-f_{Y_2}) = 0$$

Así que o $$f_{X_1} = f_{Y_1} \qquad or \qquad f_{X_2} = f_{Y_2}$$

Tenga en cuenta que este generaliza los resultados a otras distribuciones multivariantes, permite añadir más variables por ejemplo, si $f_{X_1} = f_{Y_1} = f_{Z_1}$, y permite utilizar diferentes proporciones de mezcla.


El álgebra en los pasos:

a partir de:

$$a f_{X_1}f_{X_2} + b f_{Y_1}f_{Y_2} = (a f_{X_1} + b f_{Y_1})(a f_{X_2}+ b f_{Y_2})$$

traer los términos en el lado derecho hacia la izquierda y de grupo por $a f_{X_1}$ $b f_{Y_1}$

$$a f_{X_1}(f_{X_2} - (a f_{X_2}+ b f_{Y_2}) ) + b f_{Y_1}(f_{Y_2}- (a f_{X_2}+ b f_{Y_2})) = 0$$

simplificar el uso de $a+b=1$

$$a f_{X_1}(bf_{X_2} - (b f_{Y_2}) ) + b f_{Y_1}(a f_{Y_2}- (a f_{X_2})) = 0$$

dividir por $a$ $b$

$$ f_{X_1}(f_{X_2} - f_{Y_2} ) + f_{Y_1}(f_{Y_2}- f_{X_2}) = 0$$

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X