课件第部分多元正态分布.ppt

一、复相关系数 （简单）相关系数度量了一个随机变量x与另一个随机变量y之间线性关系的强弱。 复相关系数度量了一个随机变量y与一组随机变量x1,x2,…,xp之间线性关系的强弱。 设 * 则y和x的线性函数l′x（l ≠0）间的最大相关系数称为y和x间的复（或多重）相关系数（multiple correlation coefficient），记作ρy·x或ρy·1,2,…,p，它度量了一个变量y和一组变量x1,x2,…,xp间的相关程度。 若x1,x2,?,xp互不相关，则有 * 例3.4.1 试证随机变量x1, x2, ?, xp的任一线性函数F=a1x1+a2x2+?+apxp与x1, x2, ?, xp的复相关系数为1。 证明 * ρy?x的极大似然估计 设 这里np，则在多元正态的假定下，复相关系数ρy·x的极大似然估计为 称为样本复相关系数。 * 例3.4.2 今对31个人进行人体测试，考察或测试的七个指标是： 年龄(x1)、体重(x2)、肺活量(x3)、1.5英里跑的时间(x4)、休息时的脉搏(x5)、跑步时的脉搏(x6)和跑步时记录的最大脉搏(x7)。数据列于表3.4.1。 可算得x3与x1,x2,x4,x5,x6,x7的样本复相关系数 * 编号 x1 x2 x3 x4 x5 x6 x7 1 44 89.47 44.609 11.37 62 178 182 2 40 75.07 45.313 10.07 62 185 185 3 44 85.84 54.297 8.65 45 156 168 4 42 68.15 59.571 8.17 40 166 172 5 38 89.02 49.874 9.22 55 178 180 6 47 77.45 44.811 11.63 58 176 176 7 40 75.98 45.681 11.95 70 176 180 8 43 81.19 49.091 10.85 64 162 170 9 44 81.42 39.442 13.08 63 174 176 10 38 81.87 60.055 8.63 48 170 186 11 44 73.03 50.541 10.13 45 168 168 12 45 87.66 37.388 14.03 56 186 192 13 45 66.45 44.754 11.12 51 176 176 14 47 79.15 47.273 10.6 47 162 164 15 54 83.12 51.855 10.33 50 166 170 16 49 81.42 49.156 8.95 44 180 185 17 51 69.63 40.836 10.95 57 168 172 18 51 77.91 46.672 10 48 162 168 19 48 91.63 46.774 10.25 48 162 164 20 49 73.37 50.388 10.08 76 168 168 21 57 73.37 39.407 12.63 58 174 176 22 54 79.38 46.08 11.17 62 156 165 23 52 76.32 45.441 9.63 48 164 166 24 50 70.87 54.625 8.92 48 146 155 25 51 67.25 45.118 11.08 48 172 172 26 54 91.63 39.203 12.88 44 168 172 27 51 73.71 45.79 10.47 59 186 188 28 57 59.08 50.545 9.93 49 148 155 29 49 76.32 48.673 9.4 56 186 188 30 48 61.24 47.92 11.5 52 170 176 31 52 82.78 47.467 10.5 53 170 172 * 表3.4.1 人体的测试数据 *二、最优线性预测 当我们用x的函数g(x)来预测y时，可用均方误差E[y? g(x)]2作为预测精度的度量。如果限制g(x)为线性函数，则使 E[y? g(x)]2达到最小的线性预测函数是 即有 称 为用x对y的最优线性预测。 * 最优线性预测 的均方误差 的精度与σyy和ρy·x有关。 被预测变量y可作如下分解： =最优线性预测 + 预测误差 * （受x线性影响部分） （不受x线性影响部分） 预测误差部分可看作是从y中扣除x的线性影响后剩余的部分，它不受x的线性影响，因为