第二章节多元正态分布.pptVIP

经管学院 程兰芳 第2章 多元正态分布及其参数估计 主要内容包括： §2.1 一元（概率）分布简要复习 §2.2 多元（概率）分布基本概念 §2.3 多元正态分布定义及其性质 §2.4 多元统计中的基本概念 §2.5 多元正态分布的参数估计 §2.6 维希特（Wishart）分布定义及性质 §2.1 一元（概率）分布简要复习 内容概览 1.一元随机变量R.V.的概率分布 (1)随机变量(R.V.)的定义、类型 (2)随机变量的概率分布(P.D.)定义、分类 (3)另一种描述概率分布的表达方式——分布函数F(x) 2.一元随机变量R.V.的数字特征——期望与方差 3.期望与方差的性质 4.一元中重要的常见分布 5.一元正态分布的定义 一元随机变量的概率分布（简称一元分布） 众所周知，一元统计分析是多元统计分析的基础，尤其是一元正态分布自然是多元正态分布的基础，它在统计学的理论和实际应用方面都有着重要的地位。 在一元统计分布中，经常会用到随机变量X的概念及其概率分布问题。 （1）随机变量的定义：对于每一个随机结果都对应着某个变量的一个数值，这种对应就是一个函数，用随机变量来表示。 R.V.特点： a.取值的随机性 ，即事先不能确定其取哪一个值； b.取值的统计规律性，即完全可以确定x 取某个值或在某个区间内取值的概率。 这两种表达形式揭示出了离散性随机变量概率分布的实质，即它们都表达出了两层含义： 一是随机变量的所有取值是哪些？ 二是随机变量取每一个值的概率有多大？ 对于连续型型随机变量x来说，其概率分布往往用所谓的概率密度函数f(x)来描述， 2 随机变量的数字特征——数学期望和方差 对于离散型随机变量x, 其数学期望（或称为均值）和方差分别定义为 对于连续型随机变量x，其期望和方差分别定义为 3 数学期望和方差的性质 (1)期望的性质： E(k)=k，即常数的期望等于其自身。 E(kX)=kE(X)，即数乘的期望可以直接将该数提出来 E(X1+X2+…+Xn)=E(X1)+E(X2)+…+E(Xn) (2)方差的性质： V(k)=0，即常数的方差为0； V(kX)=k2·V(X)，即数乘的方差等于将常数平方后再乘以原来的X的方差。 设n个随机变量相互独立，则有 V(X1+ X2 +…+ Xn)= V(X1)+V(X2)+…+V(Xn) 4 一些重要和常见的一元分布 两点分布 二项分布 泊松分布 均匀分布 指数分布 正态分布（下面将复习一元正态分布） 5.一元正态分布（Normal distribution）的定义 若某个随机变量X 的密度函数是 则称X服从一元正态分布，也称X是一元正态随机变量（其中有两个参数）。 记为 X ～ 。 可以证明：其期望（也叫均值）正好是参数μ，方差正好是 ，它是一非负数 。 有时候，仅仅用一个随机变量来描述随机现象就不够了，需要用多个随机变量来共同描述的随机现象和问题，而且这些随机变量间又有联系，所以必须要将它们看做一个整体来研究（即不能一个一个地单独研究多个一元随机变量），这就出现了多元随机向量的问题和概念． 因而多元随机向量可看作是一元随机变量的推广 而一个随机变量可看作是特殊的一元随机向量． §2.2 多元（概率）分布基本概念 1.二元随机向量的例子 射击后的子弹着落点的位置是随机的 这个点的位置要用两个随机变量X与Y共同描述才能确定，即用（X，Y）数组的取值来确定这个点的位置。 这就是二元随机向量。 将二元随机向量（虽然有些教材上仍然采用二元随机变量的叫法，但我认为，用“向量”二字更能体现出多元的特点）完全可以推广到三元甚至更多，于是就产生了多元随机向量问题． 欣慰的是，同学们已经学过二元随机向量的相关知识，只要将维度扩展到更高元（或维度）就可以理解了． P元（维）随机向量的定义 设 为p个随机变量，将它们合在一起组成的一个整体的向量 称作p元随机向量。 注意：X是列向量，所以横着写时需要转置一下。 2.联合分布函数与密度函数 与一元随机变量一样，也可将随机向量分为离散性和连续型两类，但是在表达其概率分布时，就非常不方便了（因为当它是离散型时，需要用多维表格表示概率分布，但超过两维时就不容易表示了），这时我们就必须借助于分布函数来刻画它的概率分布。这就充分体现出分布函数在表达联合概率分布时的优势。 对于多元的随机向量，就对应地需要用联合分布函数来刻画其概率分布。 对于p元的随机向量来说，就对应地需要用联合分布函数来刻画其概率分布。 联合分布函数的定义