中文

一般情形下二元偏正态的尾渐近性

统计理论 2022-10-05 v1 概率论 统计理论

摘要

本文是 Fung 和 Seneta (2016) 的后续与推广工作,其主要结果给出了当 XSN2(α,R)\bf{X} \sim SN_2(\boldsymbol{\alpha}, R)α1=α2=α\alpha_1 = \alpha_2 = \alpha 时,即等偏情形下的二元偏正态分布中,λL(u)=P(X1F11(u)X2F21(u))\lambda_L(u) = P(X_1 \leq F_1^{-1}(u) | X_2 \leq F_2^{-1}(u))u0+ u \to 0^{+} 时的渐近行为,其中 RR 为相关矩阵,其非对角元素为 ρ\rho,Fi(x),i=1,2F_i(x), i=1,2X\textbf{X} 的边际累积分布函数。Beranger 等人 (2017) 的一篇论文阐述了上尾版本,其不含有约束 α1=α2=α\alpha_1=\alpha_2= \alpha 但特别要求约束 0<ρ<10 <\rho <1。其附录 A.3 中的证明非常简略。当转换到 Fung 和 Seneta (2016) 的下尾设定时,我们发现当 α1=α2=α\alpha_1=\alpha_2= \alpha 时,正则变函数渐近表达式中 uu 的指数确实一致,但缓慢变分量(其渐近形式恒为 const(logu)τconst (-\log u)^{\tau})并非渐近等价。我们的通用方法涵盖了 1<ρ<0-1 <\rho < 0 的情形,并覆盖了所有可能性。

关键词

引用

@article{arxiv.2210.01284,
  title  = {Tail asymptotics for the bivariate skew normal in the general case},
  author = {Thomas Fung and Eugene Seneta},
  journal= {arXiv preprint arXiv:2210.01284},
  year   = {2022}
}

备注

82 pages