多元统计分析第一章..pptVIP

§1.1 课程概论 一、什么是多元统计分析 二、多元统计分析的内容和方法 三、多元统计的发展 四、多元统计的应用 五、教学安排和要求 一、相关基础知识复习 线性代数相关知识（附录） 矩阵及其基本运算 向量与特征向量 概率统计中的相关知识 二、随机向量及其分布 1、随机向量的概念 p个随机变量X1，X2，……，Xp组成的向量X=( X1，X2，……，Xp)T，称为p维随机向量。 2、随机向量的概率分布 定义：P维随机向量 的概率分布函数定义为 其中 性质： 是每个变量 的非降右连续函数； 分布函数的取值范围为[0，1]； 3.离散型随机向量的分布 对P维随机向量 ，若存在有限个或可列个p维数向量 ，记 且满足 ，则称X为离散型随机向量， 为X的概率分布 4.连续型随机向量的分布 p维随机向量X～ ，若存在一个非负可积函数 ，使得对一切 有 则称X为连续型随机向量， 为分布密度函数。 分布密度函数的性质： 5、边际分布 设有连续随机向量 边际密度函数为 6.独立性 定义： p个随机变量X1，X2，……，Xp的联合分布等于各自边缘分布的乘积，则称X1，X2，……，Xp相互独立。 三、随机向量的数字特征 1.数学期望： 定义：对 ，若 存在且有限，则称 为X的数学期望（均值向量） 性质： 2、协方差矩阵 定义：设 和 分别为 维和 维随机向量，则其协方差矩阵为 协方差矩阵的性质 若(X1,X2,…，Xp)’ 和(Y1,Y2,…，Yq)相互独 立。则 若(x1,x2,…，xp)’的分量相互独立, 则协方差 矩阵， 除主对角线上的元素外均为零，即 证：设a为任意与X有相同维数的常数向量，则 设A是常数矩阵，b为常数向量，则 V(AX+b)=AV(X)A’ ； 随机向量X的协方差矩阵?是非负定矩阵。 若(X1,X2,…，Xp)’ 和(Y1,Y2,…，Yq)分别是p和q维随机向量，A和B为适合运算的常数矩阵，则 若(X1,X2,…，Xp)’ 和(Y1,Y2,…，Yq)分别是p和q维随机向量，则其相关系数矩阵为 3、相关系数矩阵 * cxt zf Multivariate Statistics Analysis 多元统计分析 * * cxt 第一章 绪论 §1.1 课程概论 §1.2 随机向量 * * cxt §1.1 课程概论 一、什么是多元统计分析 多元统计分析是研究多个随机变量之间相互依赖关系以及内在统计规律的一门统计学科。 * * cxt 二、多元统计分析的内容和方法 1、简化数据结构（降维问题） 将具有错综复杂关系的多个变量综合成数量较少且互不相关的变量，使研究问题得到简化但损失的信息又不太多。 （1）主成分分析 （2）因子分析 （3）对应分析等 * * cxt 指标与指标可能存在相关关系 信息重叠，分析偏误 指标太多，增加问题的复杂性和分析难度 如何避免？ 选用主成分分析或因子分析 * * cxt 例：美国的统计学家斯通(stone)在1947年关于国民经济的研究。他曾利用美国1929一1938年各年的数据，得到了17个反映国民收入与支出的变量要素，例如雇主补贴、消费资料和生产资料、纯公共支出、净增库存、股息、利息外贸平衡等等。 * * cxt 运用主成分分析以97.4％的精度，用三新变量就取代了原17个变量。根据经济学知识，斯通给这三个新变量分别命名为总收入F1、总收入变化率F2和经济发展或衰退的趋势F3。 * * cxt 2、分类与判别（归类问题） 对