协方差矩阵的讨论数毕业论文.docVIP

2014届本科毕业论文(设计) 协方差矩阵的讨论 学 院 ： 数学科学学院 专业班级：数学与应用数学09-3班 学生姓名： 指导教师： 答辩日期：2014年 05 月 9 日 新疆师范大学教务处 目 录 摘要 1 引言 2 第一章 预备知识 3 1.1数学期望的定义及其性质 3 1.2方差的定义及性质 5 第二章 协方差矩阵的讨论 6 总结 11 参考文献 12 致谢 13 摘要 本文章将讨论随机变量的重要数字特征之一的协方差矩阵。尽管协方差矩阵很简单，可它却是很多领域里的非常有力的工具。它能导出一个变换矩阵，这个矩阵能使数据完全去相关(decorrelation)。从不同的角度来看，也就是说能够找出一组最佳的基以紧凑的方式来表达数据。(完整的证明请参考瑞利商)。 这个方法在统计学中被称为主成分分析(principal components analysis)，在图像处理中称为Karhunen-Loève 变换(KL-变换)。讨论协方差矩阵的时候，我们需要知道一些知识，所以本文章预备知识部分首先给定了数学期望及性质，然后介绍了方差的定义及性质，其次介绍了协方差，再次介绍了矩以后，再讨论了协方差矩阵。 关键词：数学期望；方差；相关系数；矩；协方差矩阵. 引言 类似于一维随机变量的特征数，多维随机变量也有特征数，有数字特征，能刻画多维随机变量的数字特征在理论和实际应用中都很重要，协方差矩阵是对研究多维随机变量的数字特征时，起了很大的作用。在概率论和统计学中,，协方差矩阵是一个矩阵，其每个元素是各个向量元素之间的协方差。是从标量随机变量（也就是单维或单值随机变量）到高维度随机向量的自然推广。协方差矩阵可用来表示多维随机变量的概率密度，从而可通过协方差矩阵对多维随机变量的研究，我们研究的目的也正是如此。 第一章 预备知识 1.1数学期望的定义及其性质 我们已经知道离散型随机变量的分布列全面地描述了这个随机变量的统计规律，但在许多实际问题中，这样的‘全面描述’有时并不使人感到方便。举例来说，已知在一个同一品种的母鸡群中，一只母鸡的年产蛋量是一个随机变量，如果要比较两个品种母鸡的年产蛋量，只要比较这两个品种母鸡的年产蛋量的平均值就可以了，平均值大就意味着这个品种的母鸡产蛋量高，当然是较好的品种，这时如果不去比较它们的平均值，而只看它们的分布列，虽然全面，却使人不得要领，即难以掌握，又难以迅速地作出判断。这样的例子可以举出很多：例如要比较不同班级的学习成绩，通常就是比较考试中的平均成绩；既然平均数这么有用，那是值得花力气来研究一番。先看一个例子。 例1.1.1 某手表厂在出厂产品中抽查了N=100 只手表的日走时误差，其数据如下： 日走时误差（秒） -2 -1 0 1 2 3 4 只 数（Nk） 3 10 17 28 21 16 5 这时，抽查到得这一百只手表的平均日走时误差为 = =1.22 秒/日 其中的是‘日走时误差为k秒’这一事件的频率，可记作，于是 平均值= 定义 设离散型随机变量X的分布律为 P{X=xk}=pk ,k=1,2,…. 若级数 绝对收敛，则称级数的和为随机变量X的数学期望，记为E(X).即 E(X)= 设连续型随机变量X的概率密度为，若积分 绝对收敛，则称积分的值为随机变量X的数学期望，记作E(X).即 E(X)= 数学期望简称期望，又称为均值. 现在来介绍数学期望的几个重要性质（以下设所遇到的随机变量的数学期望存在）。 设C是常数，则有E(C)=C. 设X是一个随机变量，则有 E(CX)=CE(X). 设X,Y是两个随机变量，则有 E(X+Y)=E(X)+E(Y). 这一性质可以推广到任意有限个随机变量之和的情况。 设X,Y是相互独立的随机变量，则有 E(XY)=E(X)E(Y) 这一性质可以推广到任意有限个相互独立的随机变量之积的情况。 1.2方差的定义及性质 我们已经知道数学期