应用统计分析.pptVIP

* * (1.32) 定义1.7 设 相互独立,且 ,记 ,则随机矩阵： 所服从的分布称为自由度为 的 维非中心Wishart分布,记为 , 其中, , , 称为非中心参数,当 时称为中心Wishart分布,记为 a m 目录 上页 下页 返回 结束 §1.5.1 分布与Wishart分布 * * 由Wishart分布的定义知,当 时, 退化为 ,此时中心Wishart分布就退化为 ,由此可以看出, Wishart分布实际上是 分布在多维正态情形下的推广. 下面不加证明的给出Wishart分布的5条重要性质: 个随机样本, 为样本均值, 样本离差阵为 维正态总体 1.若 是从 中抽取的 , 则 . 相互独立. 和 (1) (2) , 目录 上页 下页 返回 结束 §1.5.1 分布与Wishart分布 * * 3.若 , 为非奇异阵,则 , 为任一 4.若 元常向量,满足 则 目录 上页 下页 返回 结束 §1.5.1 分布与Wishart分布 2.若 且相互独立,则 * * 特别的,设 和 分别为 和 的第 个对角元,则： 5. 若 , 为任一 元非零常向量,比值 目录 上页 下页 返回 结束 §1.5.1 分布与Wishart分布 * * §1.5.2 分布与 分布 在数理统计中,若 , ,且 与 相互独立,则称 服从自由度为 的 分布,又称为学生分布(student distribution),记为 .如果将 平方,即 ,则 ,即 分布的平方服从第一自由度为1第二自由度为 的中心分布. 目录 上页 下页 返回 结束 * * 中心 分布可化为中心 分布,其关系为: 显然,当 时,有 . 定义1.8 设 , , , , , 与相互独立,则称随机变量 (1.33) 所服从的分布称为第一自由度为 第二自由度为 的中心 分布,记为 目录 上页 下页 返回 结束 §1.5.2 分布与 分布 * * §1.5.3 中心分布与Wilks分布 在数理统计中,若 , ,且与相互独立,则称 所服从的分布为第一自由度为 第二自由度为 的中心 分布.记为 . 分布本质上是从正态总体 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 §1.5.3 中心分布与Wilks分布 由于Λ分布在多元统计中的重要性,关于它的近似分布和精确分布不断有学者进行研究,当p和n2中的一个比较小时, Λ分布可化为F分布,表1-2列举了常见的情况. 表1-2 * * 目录 上页 下页 返回 结束 §1.5.3 中心分布与Wilks分布 当 不属于表1-2情况时, Bartlett指出用 分布来近似表示,即 近似服从 . Rao 后来又研究用F分布来近似,即 * * 目录 上页 下页 返回 结束 §1.5.3 中心分布与Wilks分布 近似服从 ,其中 不一定是整数,用与它最近的整数来作为F分布的第二自由度. * * 目录 上页 下页 返回 结束 * * §1.1.4 随机向量的数字特征 目录