多维正态分布处理.pptVIP

第二章 向量、矩阵与多维正态分布 向量与矩阵的基础知识 坐标系与多维数据的图示 矩阵运算的几何解释 随机向量及其数字特征 多维正态分布及其标准化 一、向量与矩阵的基础知识 正交阵、对角阵 矩阵的迹及其性质：矩阵的对角元素之和tr(A)=∑aii 矩阵的秩 特征根与特征向量 若A为对称阵，则A的全部特征根为实数，故可按大小次序排成?1≥ ?2 ≥… ≥ ?p 。 若A为对称阵， ?i，?j是它的两个不相同的特征根，则相应的特征向量li和lj互相正交，这时A可表示为 二、坐标系与多维数据的图示 说明：向量-列，向量、矩阵-粗，标量-普通 坐标系（以二维为例） 标准基向量 向量的几何解释 向量的模（矢量的长度） 三、矩阵运算的几何解释数量乘 三、矩阵运算的几何解释 向量乘——投影： 矩阵×向量——投影 例：23个地区供电局的经营数据：利润和售电量。用一综合指标评估其运营绩效 设： a1=(售电量s )23×1 , a2=(利润s )23×1 a=(a1, a2)23×2, w1T=(0.766 , 0.643) 矩阵乘：在多于一维上投影 z1=aw1是a在w1方向投影，现在我们再找一个与w1垂直的方向w2，z2=aw2是a在w2方向上的投影.这样，a=(a1, a2) →z=(z1,z2)=aw 。 w=(w1,w2)为一正交阵。 几何意义：坐标轴旋转 前地区供电局例，设w2T=(- 0.643, 0.766 )， 四、随机向量及其数字特征 均值向量 自协方差矩阵 若xi独立 总方差 随机向量的相关矩阵 相关阵与协方差阵 简单随机抽样 样本均值向量 样本协方差矩阵 样本相关矩阵 标准化随机向量 为了克服变量量纲不同对统计分析结果带来的影响，往往采用标准化变量 标准化随机向量有： 五、多维正态分布 * Ma Xin, North China Electric Power University * Ma Xin, North China Electric Power University 内容提要 (0,1) (1,0) 向量 坐标系中的点或方向线（矢量） a1,a2分别是a在两个坐标轴上的投影 数量乘：标量c乘以向量x——尺度变换 将x在原方向上扩大或缩小c倍 a w 运算结果 例：新城分局售电量s=1.5，利润s=0.49， 则z1=0.766×1.5+0.643×0.49=1.46 w1 计算结果 w1 w2 w1 w2 a1 a2 z1 z2 即：标准化数据的协方差阵正好是原变量的相关阵