多元正态分布及参数估计.pptVIP

经管学院 程兰芳 多元正态分布主要内容包括： §2.1 多元（概率）分布基本概念 §2.2 多元正态分布定义及其性质 §2.3 多元正态分布的参数估计 众所周知，一元统计分析是多元统计分析的基础，尤其是一元正态分布自然是多元正态分布的基础，它在统计学的理论和实际应用方面都有着重要的地位。 在一元统计分布中，经常会用到随机变量X的概念及其概率分布问题。 （1）随机变量的定义：对于每一个随机结果都对应着某个变量的一个数值，这种对应就是一个函数，用随机变量来表示。 R.V.特点： a.取值的随机性，即事先不能确定其取哪一个值； b.取值的统计规律性，即完全可以确定x取某个值或在某个区间内取值的概率。 有时候，仅仅用一个随机变量来描述随机现象就不够了，需要用多个随机变量来共同描述的随机现象和问题，而且这些随机变量间又有联系，所以必须要将它们看做一个整体来研究（即不能一个一个地单独研究多个一元随机变量），这就出现了多元随机向量的问题和概念． 因而多元随机向量可看作是一元随机变量的推广 而一个随机变量可看作是特殊的一元随机向量． §2.1 多元（概率）分布基本概念 1.二元随机向量的例子 射击后的子弹着落点的位置是随机的 这个点的位置要用两个随机变量X与Y共同描述才能确定，即用（X，Y）数组的取值来确定这个点的位置。 这就是二元随机向量。 P元（维）随机向量 在研究社会、经济现象和许多实际问题时，经常遇到多指标的问题。 例如，评价学生在校表现时，要考察他的政治思想（德）、学习情况（智）、身体状况（体）等各个方面的情况，仅学习情况就又涉及他在各个年度的每门课程成绩，这里面就有多项指标存在。 再例如，研究公司的经营情况，就要考察资金周转能力、偿债能力、获利能力、竞争力等多个指标。显然不能将这些指标分割开来进行单独研究，那样就不能从整体上综合把握事物的实质。 一般地，假设我们研究的问题涉及p个指标，对n个个体进行观察，就会得到n×p个数据，我们的目的就是对观测对象进行分组、分类、或分析考察这p个变量之间的相互关联程度，或者找出内在规律性等等。 P元（维）随机向量的定义 设 为p个随机变量，将它们合在一起组成的一个整体的向量 称作p元随机向量。 注意：X是列向量，所以横着写时需要转置一下。 我们要研究的对象是多个变量的总体，即研究总体的概率分布，特别是关注其数字特征是什么？ 采用的研究方法是统计推断方法。 通过从总体中随机抽取一个样本的手段，然后对样本的概率分布（即抽样分布）进行研究，来推断（inference）未知分布的总体的概率分布。 2.联合分布函数与密度函数 与一元随机变量一样，也可将随机向量分为离散性和连续型两类，但是在表达其概率分布时，就非常不方便了（因为当它是离散型时，需要用多维表格表示概率分布，但超过两维时就不容易表示了），这时我们就必须借助于分布函数来刻画它的概率分布。这就充分体现出分布函数在表达联合概率分布时的优势。 对于多元的随机向量，就对应地需要用联合分布函数来刻画其概率分布。 联合分布函数的定义： 设 是一随机向量，它的 联合分布函数定义为 联合密度函数的定义 对于多元连续型随机向量来说，其概率分布也可以用密度函数来描述。 若存在一个非负的p元函数f(·)，满足 对任意的 都成立，则称p元函数f(·)为p元随机向量的 概率密度函数，并称随机向量为连续型的。 联合概率密度函数的基本性质 两条性质是： 3.p元随机向量的数字特征 随机向量的数字特征主要有均值向量和协方差矩阵。 1.均值向量就是每一个分量的均值（或叫期望）所组成的常数向量。用数学符号表示如下： 设p元随机向量为 ，且每个分量的期望为 ，则将新向量： 定义为该随机向量的期望，也叫均值向量． 而一元随机变量的第一个数字特征名称却称为均值或期 望．请注意一元与多元在对应概念上的称呼的区别． P元随机向量的协方差阵 注意：一元随机变量与多元随机向量在第二个数字特征方面的表示有很大不同，其原因是在多元情形中还要体现出分量之间的相关关系。 一元的称为方差，而多元的改称为协方差阵。 以二元的为例，就会出现两个分量之间的协方差的概念。 二元随机向量协方差阵的定义 假设二元随机向量为Z=(X,Y),定义其协差阵为2×2的一个方阵，其4个元素是两两分量之间的协方差数，用符号Σ表示，即 称此2阶矩阵为Z=(x,Y)协方差矩阵。其中对角线上的两个数就是分量各自的方差。 以此可