多元统计分析2.docVIP

第二章 多元正态分布 § 2.1 定义 回顾：X~N(?, ? 2)， 线性变换不变性：X~N(?, ?) Y = ?X + ??~ N(?, ? 2) 定义2.1 设x = (x1 x2 … xn)，x1, x2 ,…,xnN(?, ?)，A∈Rm×n，?∈Rm，则称 服从元正态分布，记y ~ Nm(??, AA?)，从而x ~ Nn(??, ??)。 定理2.1 设y ~ Nm(??, AA?)，则其特征函数为 证明： 记V = AA ≥ 0，y ~ Nm(??, V )。 定理2.2 设y ~ Nm(??, V )，V 0，则y的密度函数为 证明： 由V = AA 0知|A|≠0（比如取），又由x1, x2,…, xmN(0,1)知其联合密度函数为 令y = Ax + ?? x = A?1(y??)，则 若|V |=0，rank(V )= r m，可给出形式密度函数： 其中?1,…,?r为V的非零特征值。 定理2.3 （线性变换不变性）设y ~ Nm(??, V )，则对B∈Rl×m，d∈Rl有 证明：y = Ax+?，??)+d = (BA)x + (B??+ d )， 而(BA)(BA) = BAAB = BVB 即得。 推论（标准化） 设y ~ Nm(??, V )，V 0，则 一般若rank(V )= r≤m，则存在使A(y??) ~ Nr(??, Ir )。 定理2.4 y ~ Nm(??, V ) a y ~ N( a?, aVa )，a∈Rm。 证明：“”是定理2.3的推论。 “” 令t=1有 多元正态分布的三个等价定义： ①线性函数构造（定义） ②特征函数（定理2.1） ③线性组合（定理2.4） 定理2.5 （边缘分布）设 则。 证明：在定理2.3中取即得。 即多元正态分布的边缘分布仍为正态分布，但反之不然。例如由二维联合密度函数 可求得边缘分布xi~N(0,1), i=1,2，但显然 ～/ N § 2.2 矩 定义2.2 设x = (x1 x2 … xn)为n维随机向量，定义其均值（期望）向量为 Ex = (Ex1 Ex2 … Exn) 定义其协方差矩阵为 D(x) = E{(x?Ex) (x?Ex)}= (vij)n×n , vij = cov(xi,?xj) 定义相关矩阵为 . 定义与的协方差阵为 cov(x,?y) = E[(x?Ex) (y?Ey)] 结论 随机向量的期望与协方差阵有下面性质： （1） （2） （3） （4） （5） （6） （7）x与y相互独立 x与y不相关 证明：（4） （7） x与y独立 xi与yi独立 （特别） 定理2.6 设y ~ Nm(??, V )则 证明： 例2.1 设，分析其密度函数及图形。 解：y的特征函数 记，， 故密度函数 f(y1,y2)的等高线为 作变换 ------------------------------------------------------------------------- 4 § 2.3 条件分布与独立性 设 定理2.7 设y ~ Nm(??, V ), V 0则 y1| y2 ~ Nm(?1.2 , V11.2) 其中 ?1.2=??1+ V12 V22??(y2???2), V11.2= V11? V12 V22? ? V21。 证明： 由V 0 V11.2 0, V22 0, 将z = By 代入并注意到=|B| =1得 z1?? = y1? V12V22?? y2?(??1??V12V22???2) = y1????1??V12V22??(?y2??2)? = y1???1.2 故条件密度函数 例2.2 当m=2, r=1时，?1=??1，?2=??2，V11=?12，V22=?22， V12= V21 =??1?2 ??，?1.2=??1+ ?? (y2???2)， V11.2= ?12 ? ?1?2 ? ?2????1?2 ? = ?12(1????2 ) 即y1| y2 ~ N( ?1+ ? (y2???2) , ?12(1????2 ))。 注意到 V11? V11.2 = V12V22??V21 ≥ 0 V11 ≥ V11.2，说明条件协差阵“变小”，V11 = V11.2 V12= V21 = O y1与y2独立。 定义2.3 y1对y2的回归系数：V12V22???= (?ij.r+1,…,m)r×(m?r)； y2给定时y1条件协方差阵：V11.2 = (?ij.r+1,…,m)r×r； y2给定时yi与yj的偏相关系数：rij.r+