讲多元正态分布参数估计.pptVIP

一、多元正态分布参数估计 例题： 计算均值、离差阵、协方差和相关阵 第三章 假设检验1、 Σ已知时单总体均值向量的检验 2、Σ未知时均值向量的检验 具体步骤是： ①作统计假设：， ②计算样本均值和样本协方差 ③由公式计算F统计量具体值F0。 ④按规定的显著水平α，查F分布临界值，并作出判断： 当 接受H0，拒绝H1； 当 拒绝H0，接受H1。 例1 某小麦良种的四个主要经济性状的理论值为 现在从外地引入一新品种，在21个小区种值，取得数据如表： 设新品种的四个性状服从正态，试检验假设 3、两总体协差阵相等（但Σ未知）时均值向量的检验 推广到P元总体，可以得到形式类似的统计量T2： 具体步骤： ①作统计假设：， ②计算样本均值和，样本离差阵。 ③由公式计算统计量具体值F。 ④按规定的显著水平α，查F分布临界值 当 接受H0，拒绝H1； 当 拒绝H0，接受H1。 4、 Σ已知时，均值μ的置信域 5、 Σ未知时，均值μ的置信域 当P = 1时，因 且相互独立，在H0成立条件下，有 ， X～NP(μ1,Σ) Y～NP(μ2,Σ) 其中 从一元统计中我们已经了解到，均值假设检验问题本质上也等价于均值的置信区间 假设 来自P元正态总体NP(μ,Σ)由前面讨论知 在任给置信度，查卡方分布临界值表得满足 则均值向量 的置信度为 的置信域为 * * 1. 样本 多元分析的任务∶根据样本数据来分析各变量之间的关系，推断总体的性质。 多元样本数据 为一元样本 2. 样本平均值 样本平均值是n个 点的重心 3. 样本离差(平方乘积和)矩阵S 计算离差阵 (样本协方差) (样本方差) 4. 样本协差阵 6. 样本相关矩阵R R为非负定矩阵 ----样本相关系数 变量的线性组合的样本值 计算 和 均值方差与协方差 7. 二组样本的协方差矩阵 8. 总体均值和协方差矩阵的最大似然估计 设 用最大似然法求出的均值和协方差的估计量分别为 9.基本性质 1） 是总体均值的无偏估计 2） 是总体协方差的无偏估计 分别是总体均值和协差阵的有效估计 是总体均值和协差阵的一致估计估计 3） 4） 和 和 和 10. 定理 设 和 S 分别是正态总体 样本均值和离差阵，则 和 S 相互独立 1） 2） 3） 二、多元统计中常用的分布 在一元统计中，常用的分布有卡方分布、t分布和F分布。在多元统计中，他们分别发展为Wishart分布、T2分布和Wilks分布。 11 分布和Wishart分布 定义1 设 为 相互独立且同服从于 分布的随机变量。则 (1) 所服从的分布叫做 分布， 称为自 由度且记为 。 定理2. 由(1)式定义的随机变量的分布密度函数为 定理3. 设 ， 且 与 相互独立，则 推论2 设 是抽自正态总体 的简单随机样本，则统计量 Wishart分布 它是多元样本离差平方和矩阵的分布 定义1 设 为 相互独立且同服从于 分布 ，令 则 (1) 所服从的分布叫做 自由度为 的p维 维希特分布，记作 显然，当p=1 时，有 Wishart分布像卡方分布一样具有加法性质，若 相互独立，则 设 ，且 与 相互独立，则称随机变量 服从自由度为 的 分布， 记为 。 将T平方，即 三 分布与