第2章多元正态分布的参数估计课件.pptVIP

第一节 引言 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。例如： 在研究公司的运营情况时，要考虑公司的获利能力、资金周转能力、竞争能力以及偿债能力等财务指标； 在研究国家财政收入时，税收收入、企业收入、债务收入、国家能源交通重点建设基金收入、基本建设贷款归还收入、国家预算调节基金收入、其他收入等都是需要同时考察的指标。 显然，如果我们只研究一个指标或是将这些指标割裂开分别研究，是不能从整体上把握研究问题的实质的，解决这些问题就需要多元统计分析方法。 在实用中遇到的随机向量常常是服从正态分布或近似正态分布，或虽本身不是正态分布，但它的样本均值近似于正态分布。因此现实世界中许多实际问题的解决办法都是以总体服从正态分布或近似正态分布为前提的。 在多元统计分析中， 多元正态分布占有很重要地位，本课程所介绍的方法大都假定数据来自多元正态分布。为此，本章将要介绍多元正态分布的定义和有关性质。 在实际问题中，多元正态分布中均值向量和协差阵通常是未知的，一般的做法是由样本来估计。本章将介绍最常见的最大似然估计法对参数进行估计，并讨论其有关的性质。 第二节 基本概念 一、随机向量 我们所讨论的是多个随机变量的总体，所研究的数据是同时p个指标（变量），又进行了n次观测得到的，我们把这个p指标表示为X1 ，X2， …，Xp，常用列向量X = (X1 ， X2 ， … ， XP)表示对同一个体观测的p个变量。 在多元统计分析中，仍然将所研究对象的全体称为总体，它是由许多（有限和无限）的个体构成的集合，如果构成总体的个体是具有p个需要观测指标的个体，我们称这样的总体为p维总体（或p元总体）。 这样的表示便于人们用数学方法去研究p维总体的特性。这里“维”（或“元”）的概念，表示共有多少个分量。 若观测了n个个体，则可得到如表2.1的数据，称每一个个体的p个变量为一个样品，而全体n个样品组成一个样本。 二、多元分布 多元随机向量的分布函数 离散型与连续性随机向量 例题* 边缘分布与联合分布 边缘分布函数与边缘密度函数 独立性 定义2.5 若随机变量的联合分布等于各自的边缘分布的乘积，则称是相互独立的。 设x1,x2,…xn是n个随机向量，若满足 F(x1,x2,…xn)=F1(x1)F2(x2) …Fn(xn) 对于一切x1,x2,…xn成立，则称x1,x2,…xn相互独立。 在连续型情况下，当且仅当f(x1,x2,…xn)=f1(x1)f2(x2) …fn(xn) 对于一切x1,x2,…xn成立时，称x1,x2,…xn相互独立。 三、随机向量的数字特征（重要） 方差或协（方）差阵 协方差阵的性质（非常重要） 相关阵 随机向量的标准化 标准化后随机向量的性质 证明： 展开： 作业： 请推证公式2.5 第三节 多元正态分布 一、多元正态分布的定义 P元正态分布的密度函数 二元正态分布的密度函数 二元正态分布的密度函数 多元正态分布参数的统计意义 二、多元正态分布的性质 二、多元正态分布的性质 二、多元正态分布的性质 二、多元正态分布的性质 随机向量的降维* 第四节 多元正态分布的参数估 计 一、多元样本的数字特征 样本均值向量 样本离差阵 样本离差阵 样本协差阵 样本相关阵 *用X直接表示 和S： 二、均值向量与协差阵的最大似然 估计 最大似然法求估计量的计算过程 * 对2.16式的解释：“随机样本” 的概念 对2.16式的解释：“随机样本”的概念