Alkalmazott matematikus MSc

Operációkutatás szakirány
Sztochasztikus programozás, BMETE93MM05

9. Előadás

A. Genz numerikus integrálási módszerei a több-

dimenziós normális eloszlás szerinti valószínűségi integ-
rálok kiszámítására

A többdimenziós normális eloszlás valószínűségi integrálja a következő alakú:

Z1 bZ2
b bZm
1 1 T −1
F (a, b) = p ... e− 2 θΣ θ
dθ,
|Σ| (2π)m
a1 a2 am

ahol θ = (θ1 , θ2 , . . . , θm )T és Σ egy m × m méretű szimmetrikus, pozitív definit, vagy

szemidefinit kovariancia mátrix.

1. Nemszinguláris eset

Ezt az esetet az A. Genz, Numerical Computation of Multivariate Normal Proba-

bilities, Journal of Computational and Graphical Statistics, 1 (1992) 141–149 dolgozat
alapján tárgyaljuk.

Alkalmazzuk az alábbi transzformáció sorozatot.

(i) A Cholesky dekompozíció:

Legyen θ = Cy, ahol CCT a Σ kovariancia mátrix Cholesky decompozíciója, ekkor

−1
θT Σ−1 θ = yT CT CT C−1 Cy = yT y,

1
 1
dθ = |C| dy = |Σ| 2 dy.

Mivel C alsó háromszög mátrix, a ≤ θ = Cy ≤ b-ből következik:

 P   Pi−1 
ai − i−1 c y
j=1 ij j b i − c y
j=1 ij j
≤ yi ≤ ,
cii cii

minden i-re, i = 1, 2, . . . , m, így

Z
b′1
Z
b′2 (y1 )
Z m−1 )
b′m (y1 ,...,y
1 y2 y2 y2
− 21 − 22 m
F (a, b) = p e e ... e− 2 dy,
(2π)m
a′1 a′2 (y1 ) a′m (y1 ,...,ym−1 )

ahol  Pi−1 
ai − j=1 cij yj
a′i (y1 , . . . , yi−1 ) = ,
cii
 Pi−1 
bi − j=1 cij yj
b′i (y1 , . . . , yi−1 ) = .
cii
(ii) Inverz egydimenziós normális transzformáció:

Az yi változók mindegyike külön-külön áttranszformálható az yi = Φ−1 (zi ) transz-

formációval, ahol
Zy
1 1 2
Φ (y) = √ e− 2 θ dθ
2π
−∞

a standard egyváltozós normális eloszlásfüggvény. Ezt követően F (a, b)-re azt kapjuk,
hogy
eZ1 e2Z
(z1 ) Z m−1 )
em (z1 ,...,z

F (a, b) = ... dz,

d1 d2 (z1 ) dm (z1 ,...,zm−1 )

ahol  P 
ai − i−1 c
j=1 ij Φ −1
(z j )
di (z1 , . . . , zi−1 ) = Φ  ,
cii
 P 
bi − i−1 c
j=1 ij Φ −1
(z j )
ei (z1 , . . . , zi−1 ) = Φ  .
cii

Az integrandus ebben a formában jóval egyszerűbb, azonban az integrációs tartomány

jóval bonyolultabb lett.

2
 (iii) Állandó integrációs határok elérése:

Alkalmazzuk a zi = di + wi (ei − di ) transzformációt. Ezután a végső transzformáció

sorozat után azt kapjuk, hogy
Z1 Z1 Z1
F (a, b) = (e1 − d1 ) (e2 − d2 ) . . . (em − dm ) dw,
0 0 0

ahol  P 
ai − i−1
j=1 c ij Φ −1
(d j + w j (e j − d j ))
di = Φ  ,
cii
 P 
bi − i−1
j=1 c ij Φ −1
(d j + w j (e j − dj ))
ei = Φ  .
cii

A wm szerinti legbelső integrálás explicit módon elvégezhető, mivel dm és em független

wm -től. Így a teljes transzformáció sorozat eggyel csökkentette az integrációs változók
számát is.

Megjegyzés. A numerikus integrálás szempontjából a w1 változó a legfontosabb,

hiszen az összes ei − di , i > 1, integrációs tényező függ tőle.

2. Szinguláris eset

Ezt az esetet az A. Genz and Koon-Shing Kwong, Numerical Evaluation of Sin-

gular Multivariate Normal Distributions J. Stat. Comp. Simul. 68 (2000), pp. 1-21
dolgozat alapján tárgyaljuk.

Amikor az eloszlás nemszinguláris, azaz Σ pozitív definit, a Cholesky dekompozíció

az alábbi ábra szerinti sémát követi:

X =

Amikor az eloszlás szinguláris, azaz Σ pozitív szemidefinit, a Cholesky dekompozíció

az alábbi ábra szerinti sémát követi:

3
 X =

Az általánosított Cholesky dekompozíciót illetően lásd a Healy, M.J.R., Algorithm

AS6: Triangular Decomposition of a Symmetric Matrix, Applied Statistics, 17 (1968)
195-196 dolgozatot.

Az alkalmazott transzformáció sorozat csak a Cholesky dekompozíció szerinti transz-

formációban tér el az előzőktől, ezért csak ezt adjuk meg.

(i) A Cholesky dekompozíció:

Legyen θ = Cy, ahol CCT a Σ kovariancia mátrix általánosított Cholesky decompo-

zíciója, ekkor a θ = Cy transzformáció hasonló lesz az eddigihez, mivel azonban C-nek
k × k méretű alsó háromszög része van egy (m − k) × k méretű részmátrix felett, azért
y = (y1 , . . . , yk )T és a ≤ θ = Cy ≤ b első k egyenlőtlenségéből csak az következik, hogy
 P   Pi−1 
ai − i−1 c y
j=1 ij j b i − c y
j=1 ij j
≤ yi ≤ , i = 1, 2, . . . , k.
cii cii

Így azt kapnánk, hogy

Z
b′1
Z
b′2 (y1 )
Z
b′k (y1 ,...,yk−1 )
1 y2 y2 y2
− 21 − 22 k
F (a, b) = p e e ... e− 2 dy,
(2π)m
a′1 a′2 (y1 ) a′k (y1 ,...,yk−1 )

 Pi−1 
ai − j=1 cij yj
a′i (y1 , . . . , yi−1 ) = ,
cii
 Pi−1 
bi − j=1 cij yj
b′i (y1 , . . . , yi−1 ) = ,
cii
i = 1, . . . , k.

Ezzel azonban az a′i (y1 , . . . , yi−1 ) , b′i (y1 , . . . , yi−1 ) , i = 1, . . . , k integrálási határok
definíciója még nem teljes, hiszen nem vettük figyelembe a további m − k darab ai ≤
Pk
j=1 cij yj ≤ bi , i = k + 1, k + 2, . . . , m feltételt, melyeket a k integrálási változónak

4
még teljesíteni kell. Ezen feltételek mindegyike hozzárendelhető a k integrálási változó
bármelyikéhez, az egyedüli feltétel az, hogy a kiválasztott integrálási változó együtthatója
ne legyen nulla a feltételben. Ugyanakkor figyelemmel kell lenni az együttható előjelére
is. Például, ha cik 6= 0 minden i > k esetén, akkor elég csak az yk integrálási változó
határait megváltoztatni, és a módosított határok a következők lesznek:

  Pk−1 
ai − j=1 cij yj
a′k (y1 , . . . , yk−1 ) = max max  ,
cik >0 cik

 Pk−1  
bi − j=1 cij yj
max   ,
cik <0 cik
  Pk−1 
′
bi − j=1 cij yj
bk (y1 , . . . , yk−1 ) = min  min  ,
cik >0 cik
 Pk−1  
ai − j=1 cij yj
min   .
cik <0 cik

′
Ha bk (y1 , . . . , yk−1 ) ≤ a′k (y1 , . . . , yk−1 ) , akkor az yk -ra vonatkozó integrálás egysze-
rűen elhagyható.