东北农业大学理学院多元统计分析课件 第一章（1）.ppt

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 §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 §1.1.3 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 马氏距离 §1.2 统计距离和马氏距离 * * 第一章 多元正态分布 目录 上页 下页 返回 结束 §1.1 多元分布的基本概念 §1.2 统计距离和马氏距离 第一节 东北农业大学 理学院 目录 上页 下页 返回 结束 多元正态分布是最常用的一种多元概率分布。除此之外，还有多元对数正态分布，多项式分布，多元超几何分布，多元 分布、多元 分布、多元指数分布等。本章从多维变量及多元分布的基本概念开始，着重介绍多元正态分布的定义及一些重要性质。 目录 上页 下页 返回 结束 目录 上页 下页 返回 结束 §1.1.1 随机向量 §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 表示对同一个体观测的 个变量。若观测了 个个体，则可得到如下表1-1的数据，称每一个个体的 个变量为一个样品，而全体 个样品形成一个样本。 假定所讨论的是多个变量的总体，所研究的数据是同时观测 个指标（即变量），又进行了 次观测得到的，把这 个指标表示为 常用向量 目录 上页 下页 返回 结束 横看表1-1，记 ， 它表示第 个样品的观测值。竖看表1-1,第 列的元素 表示对 第个变量 的n次观测数值。下面为表1-1 … n … 2 … 1 … 变量 序号 目录 上页 下页 返回 结束 目录 上页 下页 返回 结束 若无特别说明，本书所称向量均指列向量 定义1.1 设 为p个随机变量，由它们组成 的向量 称为随机向量。 描述随机变量的最基本工具是分布函数，类似地描述随机向量的最基本工具还是分布函数。 目录 上页 下页 返回 结束 多元分布函数的有关性质此处从略。 定义1.2 设 是以随机向量，它的多元分布 函数是 式中： 目录 上页 下页 返回 结束 定义1.4：两个随机向量 和 称为是相互独立的，若 注意:在上述定义中， 和 的维数一般是不同的。 若 有密度 ，用 分别表示 和 的分布密度，则 和 独立当且仅当 (1.5) ?是一个p维向量，称为均值向量. 目录 上页 下页 返回 结束 当 为常数矩阵时，由定义可立即推出如下性质： ) ( ? ? ? ? é P P m ) ( ) 6 . 1 ) ( ) ( ( 2 1 2 1 μ X = ú ú ú ú ù ê ê ê ê é = ú ú ú ú ù ê ê ê ê = X E X E X E E m m 1、随机向量 X的均值 设 有P个分量。若 存在，我们定义随机向量X的均值为: 目录 上页 下页 返回 结束 2、随机向量 自协方差阵