多元统计-第三章多元正态分布解析.docVIP

第三章 多元正态分布 多元正态分布是一元正态分布在多元情形下的直接推广，一元正态分布在统计学理论和应用方面有着十分重要的地位，同样，多元正态分布在多元统计学中也占有相当重要的地位。多元分析中的许多理论都是建立在多元正态分布基础上的，要学好多元统计分析，首先要熟悉多元正态分布及其性质。 第一节 一元统计分析中的有关概念 多元统计分析涉及到的都是随机向量或多个随机向量放在一起组成的随机矩阵，学习多元统计分析，首先要对随机向量和随机矩阵有所把握，为了学习的方便，先对一元统计分析中的有关概念和性质加以复习，并在此基础上推广给出多元统计分析中相应的概念和性质。 一、随机变量及概率分布函数 （一）随机变量 随机变量是随机事件的数量表现，可用、等表示。随机变量有两个特点：一是取值的随机性，即事先不能够确定取哪个数值；二是取值的统计规律性，即完全可以确定取某个值或在某个区间取值的概率。 (二)随机变量的概率分布函数 随机变量的概率分布函数，简称为分布函数，其定义为： 随机变量有离散型随机变量和连续型随机变量，相对应的概率分布就有离散型概率分布和连续型概率分布。 1、离散型随机变量的概率分布 若随机变量在有限个或可列个值上取值，则称为离散型随机变量。 设为离散型随机变量，可能取值为，，…，取这些值的概率分别为，，…，记为 （） 称（）为离散型随机变量的概率分布。 离散型随机变量的概率分布具有两个性质： （1）， （2） 2、连续型随机变量的概率分布 若随机变量的分布函数可以表示为 对一切都成立，则称为连续型随机变量，称为的概率分布密度函数，简称为概率密度或密度函数。 连续型随机变量的概率密度函数具有两个性质： （1） （2） 二、随机变量的数字特征 （一）离散型随机变量的数字特征 若为离散型随机变量，其概率分布为,则的数学期望（或称均值）和方差分别定义为： （二）连续型随机变量的数字特征 若为连续型随机变量，其密度函数为，则的数学期望和方差分别定义为： 方差的一个简便计算公式为 （三）数学期望的数学性质 1、设是常数，则 2、设是随机变量，是常数，则 3、设、是任意两个随机变量，则 4、设、是任意两个相互独立的随机变量，则 （四）方差的数学性质 1、设是常数，则 2、设是随机变量，是常数，则 3、设、是任意两个相互独立的随机变量，则 三、一些重要的一元分布 1、二项分布 重复进行次相互独立的试验，若每次实验仅有两个可能结果，每次实验成功的概率均为，设为次独立实验中成功出现的次数，则离散型随机变量的分布律为： ， 其中，，为自然数，称服从二项分布。二项分布中，方差为。 2、超几何分布 若个产品中有个不合格品，从中随机不放回地抽取个进行调查，为出现的不合格品数，则离散型随机变量的分布律为： ， 则称服从超几何分布。当很大，相对较少时，超几何分布近似于二项分布。 3、泊松分布 若离散型随机变量的分布律为： ， 其中，则称X服从泊松分布。泊松分布中,。在恒定的条件下，当趋于无穷，趋于零时，二项分布趋向于泊松分布。 4、正态分布 若连续型随机变量的概率密度函数为： ， 则称服从正态分布，记作，其中参数、分别是随机变量的数学期望和方差。 当，时，随机变量的分布为标准正态分布。当很大，和都不太大时，二项分布可用正态分布近似计算。 5、卡方分布 设随机变量皆服从，且相互独立，则其平方和所服从的分布称为卡方分布，记为：，为自由度，表示平方和中独立随机变量的个数。 6、分布 设随机变量，，且与相互独立，则随机变量的分布称为分布。记为，为自由度。随着自由度趋向于无穷大，分布以标准正态分布为极限。 7、分布 设随机变量，，且与相互独立，则随机变量服从第一自由度为、第二自由度为的分布，记为。 第二节 多元统计分析中的基本概念 在社会、经济及自然科学等许多领域，常常需要同时研究多个指标，例如，要研究上市公司的盈利状况，就涉及到公司的主营业务利润、营业利润、利润总额和净利润等总量指标，主营业务利润率、经营净利率净资产收益率个随机变量，且它们之间有一定的联系，这些随机变量组成的整体就是随机向量，记为。 在多元统计分析中，仍将所研究对象的全体称为总体，它是由许多个体构成的集合，如果构成总体中的个体是有个观测指标的个体，称这样的总体为维总体，或元总体。由于从维总体中随机抽到一个个体，其个指标观测值不能事先精确知道，它依赖于被抽到的个体，因此，维总体可用维随机向量来表示，这里的维或元表示共有几个分量。 （二）随机向量的概率分布 设是维随机向量，它的多元概率分布函数定义为：，记为，其中：，表示维空间。 1、离散型随机向量的概率分布 定义3.1：若是维随机向量，若存在有限个或可列个维数向量记（），且满足，则称为离散型随机向量，并称（）为离散型随机向量的概率分布。 2、