多元正态分布试题.ppt

§1.4 均值向量和协方差阵的估计 * * 即均值向量μ的估计量,就是样本均值向量.这可由极大似然法推导出来。推导过程参见文献[3]。 目录 上页 下页 返回 结束 设样品 相互独立,同遵从于P元正态分布 ,而且 ,Σ0,则总体参数均值μ的估计量是 §1.4 均值向量和协方差阵的估计 * * 协方差阵的估计 总体参数协差阵Σ的极大似然估计是 目录 上页 下页 返回 结束 §1.4 均值向量和协方差阵的估计 * * 目录 上页 下页 返回 结束 其中L是离差阵，它是每一个样品（向量）与样本均值（向量）的离差积形成的n个 阶对称阵的和。同一元相似， 不是Σ的无偏估计，为了得到无偏估计我们常用样本协差阵 作为总体协差阵的估计。 §1.5常用分布及抽样分布 * * 多元统计研究的是多指标问题,为了了解总体的特征,通过对总体抽样得到代表总体的样本,但因为信息是分散在每个样本上的,就需要对样本进行加工,把样本的信息浓缩到不包含未知量的样本函数中,这个函数称为统计量,如前面介绍的样本均值向量 、样本离差阵 等都是统计量.统计量的分布称为抽样分布. 在数理统计中常用的抽样分布有 分布、 分布和 分布.在多元统计中,与之对应的分布非别为Wishart分布、 分布和Wilks分布. 目录 上页 下页 返回 结束 §1.5常用分布及抽样分布 * * 1.5.2 分布与 分布 1.5.1 分布与Wishart分布 1.5.3 中心分布与Wilks分布 目录 上页 下页 返回 结束 * * 分布有两个重要的性质: §1.5.1 分布与Wishart分布 在数理统计中,若 ( ),且相互独立,则 所服从的分布为自由度为 的 分布(chi squared distribution),记为 . 目录 上页 下页 返回 结束 1、若 , 且相互独立,则 称为相互独立 的具有可加性 * * 2. 设 ( ),且相互独立, 为 个 阶对称阵,且 (阶单位阵),记 , 则 为相互独立的 分布的充要条件为 .此时 , . 这个性质称为Cochran定理,在方差分析和回归分析中起着重要作用. 目录 上页 下页 返回 结束 §1.5.1 分布与Wishart分布 Rank 矩阵的秩 * * (1.32) 定义1.7 设 相互独立,且 ,记 ,则随机矩阵： 所服从的分布称为自由度为 的 维非中心Wishart分布,记为 其中, , , 称为非中心参数,当 时称为中心Wishart分布,记为 a m 目录 上页 下页 返回 结束 §1.5.1 分布与Wishart分布 * * 由Wishart分布的定义知,当 时, 退化为 ,此时中心Wishart分布就退化为 ,由此可以看出, Wishart分布实际上是 分布在多维正态情形下的推广. 下面不加证明的给出Wishart分布的5条重要性质: 个随机样本, 为样本均值, 样本离差阵为 维正态总体 1.若 是从 中抽取的 , 则 . 相互独立. 和 (1) (2) , 目录 上页 下页 返回 结束 §1.5.1 分布与Wishart分布 * * 3.若 , 为非奇异阵,则 , 为任一 4.若 元常向量,满足 则 目录 上页 下页 返回 结束 §1.5.1 分布与Wishart分布 2.若 且相互独立,则 * * 特别的,设 和 分别为 和 的第 个对角元,则： 5. 若 , 为任一 元非零常向量,比值 目录 上页 下页 返回 结束