多元正态分布相关性.pptVIP

* * §3.1 多元正态的定义 第三章 多元正态分布 §3.2 多元正态的性质 §3.3 相关性和条件分布 §3.4 多元正态的参数估计 §3.5 多元正态的假设检验 §3.3 正态向量的相关性和条件分布 前面已给出随机向量的相关系数 以及相关矩阵R的概念。 表示随机向量 中分量 和 的线性相关程度。本 节我们将学习随机向量的其他相关性的度量以及正态变量的 条件分布。由于我们仅对随机变量的协方差矩阵感兴趣，为 讨论方便起见，不妨假设随机向量的期望总为零向量。 一、偏相关和复相关 程度，在实际问题中我们常常会遇到其他类型的相关问题， 相关系数仅仅反映两个随机变量 之间的线性相关 例如随机向量中某个分量与其他分量之间的相关关系；或在 消去若干分量的影响后，其余分量的（两两）相关关系，这 时需要引入新的相关概念。 维子向量， 设随机向量 其中 是 的 这时 其中 是 维向量。 （3.3.1） 如果想找 的一个线性组合 作为 的估计，使得 达到最小， 要如何选取？ 由要求知 是一个 维的常数向量，为了求出符合 要求的 把 展开得 故当且仅当 达到最小值，记为 （3.3.3） 因此把 作为 的最优线性估计，它使方差 （3.3.2） 达到最小。 维子向量，且 的 是 定理3.3.1 设随机向量 与 其中 是 维向量。则 的相关系数 的最大值在 时达到。 证明：按相关系数的定义得： 由上面知， 对 成立。 把上式展开得 对任意常数k，有 取 于是得 复相关系数的定义：称 与 的所有线性组合 的 的相关系数的最大值 为 的复相关系数。记为 由（3.3.4）知，把 代入得 （3.3.6） 于是 或 （3.3.7） 的方差。这里 由（3.3.7）知 可看作 在消去与 的最大线性效应后 或 。 设 是p维随机向量， 是 维子向量， 设 是 的最优线性估计， 是 的最优线性估计， 是 维常数向量。由上面相似的方法可知 在消去 的最大线性效应后得到两个随机变量为 （3.3.8） （3.3.9） 偏相关系数的定义：设 是p维随机向量， 是 维子向量， 在 给定的条件 下， 的偏相关系数就是上述 的相关系数，记为 或 （3.3.10） 在实际应用中可根据需要得到其他形式的复相关系数或偏 相关系数的表达式 。 偏相关系数有如下的递推公式： 例如，设 则 表示 与其他 分量间的复相关系数，又如 表示在 给定下， 与 的偏相关系数。计算中只须取 中与 ， 和 有关的行、列得到新的协方差矩阵，然 后按（3.3.10）计算即可。 特别地，有 只要知道相关矩阵，那么各种偏相关系数也就完全确定了。 由此公式可根据 计算 再计算 （3.3.11） 例3.3.1 在制订服装标准时，需对有关对象进行抽样， 然后进行人体有关尺寸的测量。今从女子身体测量中取出部 分结果如下：用 表示身高， 表示胸围， 表示腰围， 表示上体长， 表示臀围，经计算得到这五个变量的相关矩 由相关系数矩阵可看出 说明上体长 与身高、胸围与腰围之间存在较大的正相关； 说 明身高与腰围几乎不相关。下面计算偏相关系数 和 。 阵是： 比较 和 可以看出，即使在排除了身高的影响后腰围 和胸围仍然高度相关。再从 与 的比较中我们发现， 把臀围的影响去除后，上体长与腰围从正相关变为负相关。 这也说明，腰围和上体长之间的相关实际上是通过女性的一 个主要特征臀围而引起的。因此在多个变量时，用相关系数 说明相互关系时要十分慎重。 由（3.3.11）得： 二、正态向量的条件分布 定理3.3.2 设 维随机向量 其中 。 分别是 维 和 维随机向量。把 和 相应分块，则在给定 后 的条件分布为： 即在给定 后 的条件分布为 维正态分布，且 证明：作可逆线性替换 其中 于是 由性质2知：