多元正态分布().pptVIP

多元统计方法 卫生统计学教研室 目录 三、本课程主要内容 统计方法很多都是建立在正态分布的假设之上的：如：t检验、方差分析、线性相关与回归。 1.1 多元分析常用统计量 1.1.1 均向量 1.1.2 方差-协方差矩阵 1.1.3 离均差平方和与离均差积和矩阵 例1.1 调查某地16岁中学生12名，测其身高，体重，胸围资料 1.2 多元正态分布 1.2.1 定义 1.2.2 性质 例1.2（二元正态分布） 例1.2（二元正态分布） 1.3 二元正态相关变量的参考值范围 设 服从二元正态分布， 的均数和方差分别为 ； 的均数和方差分别为 ， 与 的相关系数为 ，则 的 的参考值范围： 设 则上式化为： 例1.3 测得我国20岁男子160人之身高（x,cm)、体重（y,kg)如表1.2。求其95%参考值范围。 根据原始资料，算得x的均数、方差分别为：165.8338和4.91552 ；y的均数、方差分别为：53.5694和4.89212 ；x与y的相关系数为0.5806； 这是一个联合参考值范围，表示我国20岁男子的身高、 体重之测量值落在该范围内者约占95%。 Part 1 1.2.2 性质 每一个变量均服从正态分布；图1.1-1.3.反之不真； m元正态分布具有如下性质： 变量的线性组合服从正态分布； 任意k个变量服从k元正态分布； m元正态分布的条件分布仍服从k元正态分布；图1.4 表示了二元正态分布MN(0,1;0,0.5;-0.75)中x=-1时 y的分布，和y=4时x的分布； 协方差为0的变量间相互独立；不相关和独立等价。 判断多元变量的数据是否服从正态分布不易； 判断数据不是来自正态分布总体简单： 根据性质1,若有一个变量不服从正态分布， 则可判定资料不服从多元正态分布。 因为标准正态分布的平方是自由度为1的 分布，则上式为： 若变量x服从均数为 ，方差为 的正态分布，则x的 的参考值范围上、下限可表示为： 该范围是一个椭圆，它是两个变量的联合参考值范围。 当 时，该椭圆的长轴在过原点的45度线上， 长轴长 ，短轴长 ； 当 时，该椭圆的长轴在过原点的135度上， 长轴长 ，短轴长 。 则x与y的95%参考值范围是下列方程的解： 将该范围绘制成二维图，则它是一个椭圆。见图1.5 * * * 教材及参考书目 本课程主要内容 多元正态分布 学时安排及考试形式 学时安排及考试形式 一 本课程是闭卷考试课： 平时成绩占40%、 期末成绩占60%； 本课程共60个学时： 理论课36学时、 实验课24学时、 理论与实验课交叉安排 Part 1 二 教材及参考书目 参考书目： 1、何晓群，多元统计分析(第3版)，中国人民大学出版社。 2、约翰逊，实用多元统计分析(第6版) ，清华大学出版社。 3、 高惠璇，应用多元统计分析，北京大学出版社。 本课程所用教材： 陈峰，医用多元统计分析方法（第二版），中国统计出版社。 对于这些多因素共同作用的现象，要探讨和澄清 其中的必然规律，常用的单因素分析法将无能为力。 因此，出现了多元统计分析方法。 因果关系错综复杂，某种结果往往是众多因素综合 作用的结果，通常并非某一因素的单一作用所致。 多元统计分析计算量较大，开始时局限于理论研究； 20世纪50年代后，计算机及统计分析软件的发展， 多元统计方法广泛应用到自然和社会科学的各个领域。 随着实际需要而产生了统计学的很多内容，在应用面 扩大和深入的同时，多元统计分析的理论得到了突发猛进 的发展。 实践证明，多元统计分析方法是一种有效的数据处理工具。 多元统计学起源于20世纪20年代，Wishart,Hotelling, Fisher,Roy等是该领域的先驱。 主成分分析 三 多重线性回归 多元正态分布 均向量的统计推断 章节内容 因子分析 聚类分析 生存分析 logistic族回归 广义线性模型 判别分析 正态分布在实际中有着广泛应用的原因： 正态分布在许多情况下能作为真实总体的一个近似； 根据中心极限定理，不论总体分布如何，许多统计量 的分布是近似正态的； 很多检验统计量的分布对正态分布条件是稳健的， 即原始资料稍微偏离正态对检验结果的影响不大。 资料中有3个指标，多元分析所用统