Ivan Shishkin, Rye (1878)

Problems/Probability and statisticsUnreviewed

Calcul de probabilité avec un vecteur gaussien

by Hadrien·
45
Difficulty scaleÉchelle de difficulté

This score reflects both the level of the required concepts and the difficulty of the solution.Ce score tient compte à la fois du niveau des notions nécessaires et de la difficulté de la résolution.

  1. 1–10First steps / middle schoolPremiers pas / collège
  2. 11–25Beginner / high schoolDébutant / lycée
  3. 26–50Intermediate / undergraduateIntermédiaire / licence
  4. 51–70Advanced / graduateAvancé / master
  5. 71–90Expert / specializedExpert / spécialisé
  6. 91–100Research levelNiveau recherche
These levels are approximate guides.Ces niveaux sont des repères approximatifs.
·
Français

Showing the Français version because no English translation exists yet. Add that translation.

Unreviewed. This problem has not been reviewed by trusted users yet.

Soit (X,Y)(X,Y) un vecteur gaussien centré réduit de coefficient de corrélation ρ\rho. Déterminer P(XY>0)P(XY>0).

I solved itMark it doneAdd to my listKeep it in your list

Hints

1

Hint 1

Open this only if you want a small nudge before looking at the solutions.

Solutions

1
Reveal solutionsAre you sure? Give it a try first.

Solution by Hadrien

Discussions0 useful votes

Cette méthode est purement géométrique. On se ramène à un secteur angulaire dont on détermine la mesure.
On sait que pour simuler un vecteur gaussien (X,Y)(X,Y) centré réduit de matrice de covariance KK, on peut prendre deux variables aléatoires gaussiennes indépendantes Z=(Z1,Z2)Z=(Z_1,Z_2) telle que si on note K=LL⊤K=LL^{\top} la décomposition de Cholesky de KK, on a (XY)=L(Z1Z2)\begin{pmatrix}X \\ Y \end{pmatrix}=L\begin{pmatrix} Z_1 \\ Z_2 \end{pmatrix}.
Ici L=(10ρ1−ρ2)L=\begin{pmatrix} 1 & 0 \\ \rho & \sqrt{1-\rho^2}\end{pmatrix}.

Ainsi, on étudie maintenant la zone (X>0,Y>0)(X>0,Y>0) dans le repère fournit par l’origine et les vecteurs Z1Z_1 et Z2Z_2 car par symétrie P(XY>0)=2P(X>0,Y>0)P(XY>0)=2P(X>0,Y>0). Il nous faut donc exprimer XX et YY dans la base Z1,Z2Z_1, Z_2, ce que lit sur la matrice
{X=Z1Y=ρZ1+1−ρ2Z2=cos⁡(θ)Z1+sin⁡(θ)Z2\left\lbrace \begin{array}{l} X=Z_1 \\ Y=\rho Z_1 +\sqrt{1-\rho^2}Z_2=\cos(\theta)Z_1 +\sin(\theta)Z_2 \end{array}\right.
où ρ=cos⁡(θ)\rho=\cos(\theta). Ce résultat n’a rien de choquant car ρ=E(XY)\rho=E(XY) qui n’est rien d’autre qu’un produit scalaire.

On remarque alors d’emblée que la densité de (Z1,Z2)(Z_1,Z_2) est invariante par rotation modulo 2π2\pi donc il est légitime de passer plutôt en coordonnée polaire pour étudier cette zone.
On écrit donc Z1=Rcos⁡(U)Z_1=R\cos(U) et Z2=Rsin⁡(U)Z_2=R\sin(U) mais on sait (avec Box-Müller par exemple) que UU suit une loi uniforme sur un intervalle de longueur 2π2\pi.

D’abord X>0X>0 donc Z1>0Z_1>0 donc U∈]−π2,π2[U\in\left]-\frac{\pi}{2},\frac{\pi}{2}\right[ presque surement. Puis Y>0Y>0 donc ⟨Z,u⟩>0\left\langle{Z,u}\right\rangle>0 avec u=(cos⁡(θ),sin⁡(θ))u=(\cos(\theta),\sin(\theta)) donc Rcos⁡(U)cos⁡(θ)+Rsin⁡(U)sin⁡(θ)>0R\cos(U)\cos(\theta)+R\sin(U)\sin(\theta)>0 donc cos⁡(U−θ)>0\cos(U-\theta)>0 (R>0R>0 presque sûrement) et U∈]θ−π2,θ+π2[U\in\left]\theta-\frac{\pi}{2},\theta+\frac{\pi}{2}\right[ presque surement.

Si on interprète ces produits scalaires, on dit que ZZ dans le demi plan dans le sens de (1  0)(1\; 0) délimité par un vecteur orthogonal de (1  0)(1\; 0) puis pareil pour uu. Donc ZZ est dans une intersection deux plans, soit encore un cône avec une certaine ouverture angulaire.
Si on fait un dessin, on voit tout de suite que l’ouverture du cône est de π−θ\pi-\theta, mais j’ai un peu de mal à faire des tracés en Latex donc je propose un méthode plus analytique et c’est pourquoi j’ai donné l’intervalle où se trouve presque surement UU.
Par intersection U∈]θ−π2,π2[U\in\left]\theta-\frac{\pi}{2},\frac{\pi}{2}\right[ donc finalement ZZ se situe dans le secteur angulaire défini par ce dernier intervalle mais UU suit une loi uniforme doncP(X>0,Y>0)=P(U∈]θ−π2,π2[)=π−θ2πP(X>0,Y>0)=P\left(U\in\left]\theta-\frac{\pi}{2},\frac{\pi}{2}\right[\right)=\frac{\pi-\theta}{2\pi}.

Or θ=arccos⁡(ρ)=π2−arcsin⁡(ρ)\theta=\arccos(\rho)=\frac{\pi}{2}-\arcsin(\rho), donc finalement

P(XY>0)=12+1πarcsin⁡(ρ)P(XY>0)=\frac{1}{2}+\frac{1}{\pi}\arcsin(\rho)

Report

For an unclear, ambiguous, or possibly incorrect statement, please use the Discussion tab on the right. Report content that needs moderator intervention, such as dangerous, clearly non-mathematical, or plagiarized content.