多元正态分布教案讲义.pptVIP

定理5：设 是来自多元正态总体 的简单 随机样本， … 设 是来自多元正态总体 的简单随机样本， 1、Wilks分布 定义：设 和 ，且 相互独立， 和 ， ，则称 服从Wilks分布，记 。 可以证明，当 和 时，Wilks分布可以用 分布近似。 四、基于维斯特(Wishart)分布的统计量 在一元方差分析中，常常遇到基于独立的 分布随机变量比 值的F统计量。在多元统计分析中，起到相同作用的是统计量 和 分布。 2、Λ统计量和Λ分布 设k个总体 ，它们服从 。分别抽出如下的样本： 且 ：W=E+B -----样本总离差阵 -----样本组内离差阵 -----样本组间离差阵 当K个总体的均值相等时 , 即服从Wilks Λ分布。 二、协方差矩阵 1、定义：设 和 分别为 维和 维随机向量，则其协方差矩阵为 2、协方差矩阵的性质 1）若x=(x1,x2,…，xp)’ 和y=(y1,y2,…，yp)不 相关，则 显然，x与y相互独立时，上式成立。 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 2）随机向量X的协方差矩阵?是非负定矩阵。 证：设a为任意与X有相同维数的常数向量，则 3）设A是常数矩阵，b为常数向量，则 V(AX+b)=AV(X)A’ ； 4)若x=(x1,x2,…，xp)’ 和y=(y1,y2,…，yq)分别是p和q维随机向量，A和B为常数矩阵，则 5)若k1,k2,…，kn是n个不全为零的常数， x1,x2,…，xn是相互独立的p维随机向量，则 三、相关系数矩阵 若x=(x1,x2,…，xp)’ 和y=(y1,y2,…，yq)分别是p和q维随机向量，则其相关系数矩阵为 x=(x1,x2,…，xp)’的相关系数矩阵为 §4 多元正态分布 一、多元正态分布的定义 二、多元正态分布的性质 三、多元正态分布的条件分布和独立性 四、均值向量和协方差阵的点估计 §4 多元正态分布 一、多元正态分布的定义 例：二元正态分布的密度公式 设 遵从二元正态分布，则 故X1与X2的密度函数为 思考：r=0,r0,r0分别意味着什么？ 二、多元正态分布的性质 4、若 ，则 三、多元正态分布的条件分布和独立性 定理： 四、均值向量和协方差阵的点估计 若样本资料阵为： 2、总体协方差阵的极大似然估计为： §5 样本分布 一、维希特（Wishart）分布的基本概念 二、维希特（Wishart）分布的性质 三、多元正态总体的抽样分布 四、基于维斯特（Wishart）分布的统计量 §5 样本分布 一、维希特（Wishart）分布的基本概念 1、定义 随机矩阵的分布 矩阵中的每一个元素均为随机变量，则矩阵X的分布是其列 向量拉长，组成一个长向量 2、定义 维希特（Wishart）分布的统计量 设 个随机向量 独立同分布于 ，则随机矩阵 服从自由度为 的非中心维斯特分布，记为 。 在一元正态随机变量中，我们曾经讨论了 分布， 在多元正态随机变量也有类似的样本分布，即维希特 分布。 当 ， 时，由卡方分布的定义可知 可见维希特分布是卡方分布在多元下的推广。 定理1：若 ，且 ， ，则 的分布密度为 特别，当 和 时， 服从 分布。 3、维希特（Wishart）分布的密度函数 二、维斯特(Wishart)分布