多元统计分析002第二章多元正态分布详解.pptVIP

第二章 多元正态分布 多元分布的基本概念 多元正态分布及其参数估计 多元正态分布的假设检验 第一节 多元分布的基本概念 一、随机向量 二、多元分布函数和多元密度函数 三、多维随机向量的边缘密度、独立性与条件分布 四、多维随机向量的数字特征 随机向量 所谓随机变量通俗理解就是“其值随机会而定”的变量 随机变量按其可能取值的性质，区分为两大类。一类是离散型随机变量，其特征是只能取有限个值；另一类是连续型的随机变量，其特征是变量的全部可能取值不仅是无穷多的，并且还不能无遗漏地逐一排列，而是充满一个区间的。同样随机向量也有离散型和连续型之分。对于一个多维随机向量，如果其每个分量都是一维离散型随机变量，则称为多维离散型随机向量；如果把一个p维随机向量的取值可视为p维欧氏空间中的一个点，若p维随机向量的全部取值能够充满欧氏空间中某一区域，则称该p维随机向量为连续型的。 多元分布函数和多元密度函数 （二）多元分布密度 （三）密度函数和分布函数的关系 从数学角度看，随机向量的密度函数、分布函数之间的关系可以理解为导数和积分之间的关系。通俗的理解，密度函数、分布函数之间实际上是对随机向量的统计特性分别从两个不同侧面进行的刻划，前者是一个一般意义的函数，后者则是自变量为累计值的函数，是一个问题的两个方面。 多维随机向量的边缘密度、独立性与条件分布 多维随机向量的边缘密度: 多维随机向量的独立性: 多维随机向量的条件分布: 多维随机向量的数字特征 随机变量的数字特征，是指某些由随机变量的分布所决定的常数，它刻画了随机变量（或者其分布）的某一方面的性质。对于多维随机变量刻画其性质的最重要的数字特征有均值、自协差阵与协差阵及相关矩阵。 （一）多维随机向量的均值向量 （二）多维随机向量的自协差阵与协差阵 （三）随机向量均值与协差阵的性质 （四）随机向量的相关阵 第二节 多元正态分布及其参数估计 一、多元正态分布密度函数 二、多元正态分布的数字特征 三、多元正态分布的参数估计 多元正态分布密度函数 多元正态随机向量具有以下的性质： 多元正态分布的数字特征 多元正态分布的参数估计 在实际应用中，多元正态分布中的均值向量和协差阵通常是未知的，需要由样本资料来估计，而参数估计的方法很多，这里用最常见的最大似然估计法给出估计量，用样本均值向量估计总体均值向量，用样本协差阵估计总体协差阵。 第三节 多元正态分布的假设检验 一、对多元正态总体均值向量和协差阵进行 假设检验时常用的三个重要的抽样分布 二、一个正态总体均值向量的假设检验 三、两个正态总体均值向量的检验 四、多个正态总体均值向量的检验——多元方差分析 五、正态总体的协方差阵检验 对多元正态总体均值向量和协差阵进行假设检验时常用的三个重要的抽样分布 一个正态总体均值向量的假设检验 两个正态总体均值向量的检验 多个正态总体均值向量的检验——多元方差分析 正态总体的协方差阵检验 （一）一个正态总体的协方差阵检验 （二）多个协差阵相等的检验 * * （一）多元分布函数