高级统计学筒1多元正态分布.pptVIP

第一章 多元正态分布 一元正态分布在统计学的理论和实际应用中都有着重要的地位。同样，在多变量统计学中，多元正态分布也占有相当重要的位置。原因是： 许多随机向量确实遵从正态分布，或近似遵从正态分布； 对于多元正态分布，已有一整套统计推断方法，并且得到了许多完整的结果。 第一章 多元正态分布 第一章 多元正态分布 §1.1多元分布的基本概念 §1.1.1 随机向量 §1.1.1 随机向量 §1.1.1 随机向量 因此,样本资料矩阵可用矩阵语言表示为: §1.1.2 分布函数与密度函数 §1.1.2 分布函数与密度函数 §1.1.3 多元变量的独立性 §1.1.4 随机向量的数字特征 §1.1.4 随机向量的数字特征 §1.1.4 随机向量的数字特征 §1.1.4 随机向量的数字特征 §1.1.4 随机向量的数字特征 §1.1.4 随机向量的数字特征 §1.2 统计距离和马氏距离 §1.2 统计距离和马氏距离 §1.2 统计距离和马氏距离 §1.2 统计距离和马氏距离 §1.2 统计距离和马氏距离 §1.2 统计距离和马氏距离 §1.2 统计距离和马氏距离 §1.2 统计距离和马氏距离 §1.2 统计距离和马氏距离 2. 马氏距离 §1.2 统计距离和马氏距离 §1.3 多元正态分布 §1.3 多元正态分布 §1.3.1 多元正态分布的定义 §1.3.1 多元正态分布的定义 §1.3.2 多元正态分布的性质 § 1.3.2 多元正态分布的性质 第一次结束 § 1.3.2 多元正态分布的性质 § 1.3.3 条件分布和独立性 § 1.3.3 条件分布和独立性 § 1.3.3 条件分布和独立性 定理1.2和定理1.3在20世纪70年代中期为国家标准部门制定服装标准时有成功的应用，见参考文献[3]。在制定服装标准时需抽样进行人体测量，现从某年龄段女子测量取出部分结果如下： 再利用（1.30）式得 这说明,若已知一个人的上体的长和臀围,则身高、胸围和腰围的条件方差比原来的方差大大缩小。 § 1.3.3 条件分布和独立性 § 1.3.3 条件分布和独立性 在上面制定服装标准的例子中，给定X4和X5时，偏相关系数为： § 1.3.3 条件分布和独立性 §1.4 均值向量和协方差阵的估计 §1.4 均值向量和协方差阵的估计 §1.4 均值向量和协方差阵的估计 §1.4 均值向量和协方差阵的估计 §1.4 均值向量和协方差阵的估计 §1.5常用分布及抽样分布 §1.5常用分布及抽样分布 §1.5.3 中心分布与Wilks分布 在数理统计中,若X~χ 2(m), Y~χ 2(n), 且与相互独立,则称 所服从的分布为第一自由度为m,第二自由度为n的中心F分布.记为F~F(m,n). F分布本质上是从正态总体N(μ,σ 2)随机抽取的两个样本方差的比. 目录 上页 下页 返回 结束 所服从的分布称为维数为 ,第一自由度为 第二自由度为 的Wilks Λ分布,记为 (1.34) 定义1.9 设 , , , ,且 与 相互独立,则称随机变量 目录 上页 下页 返回 结束 §1.5.3 中心分布与Wilks分布 目录 上页 下页 返回 结束 目录 上页 下页 返回 结束 若正态随机向量 的协方差阵∑是对角阵, 则X的各分量是相互独立的随机变量。 容易验证， ，但显然 不是正态分布。 2. 多元正态分布随机向量X的任何一个分量子集的分布（称为X的边缘分布）仍然遵从正态分布。而反之则不一定成立，即若一个随机向量的任何边缘分布均为正态，并不能导出它是多元正态分布。 例如，设 有分布密度 目录 上页 下页 返回 结束 多元正态向量X=（X1,X2,…,Xp)’的任意线性变换仍然遵从多元正态分布。 若设X~Np(μ,Σ) ，而m维随机向量Zmⅹ1=AX+b， 其中A=(aij)是mⅹp 阶的常数矩阵，b是m维的常向量。 那么，m维随机向量Z也是正态的，且 Z~Nm(Aμ+b, AΣA’ ) 。 即Z遵从m元正态分布。 4. 若X~Np(μ,Σ ) ，则 d2若为定值，随着X的变化, 其