第二章_多元正态分布的参数估计.ppt

给定X2时Xi 和Xj的偏相关系数（partial correlation coefficient）定义为: 其中 。 ρij?k+1,?,p度量了剔除Xk+1, ?,Xp的（线性）影响之后，Xi和Xj间相关关系的强弱。 对于多元正态变量X，由于Σ11?2也是条件协方差矩阵，故此时偏相关系数与条件相关系数是同一个值，从而ρij?k+1,?,p同时也度量了在Xk+1, ?,Xp值给定的条件下Xi和Xj间相关关系的强弱。 §2.4 极大似然估计及估计量的性质 一、样本X1,X2, ?,Xn的联合概率密度 二、 μ和Σ的极大似然估计 三、相关系数的极大似然估计 四、估计量的性质 设X~Np(μ, Σ) , Σ0，X1,X2, ?,Xn是从总体X中抽取的一个简单随机样本（今后简称为样本），即满足：X1,X2, ?,Xn独立，且与总体分布相同。 令 称之为（样本）数据矩阵或观测值矩阵。 一、样本X1,X2, ?,XN的联合概率密度 极大似然估计是通过似然函数来求得的，似然函数可以是样本联合概率密度 f (x1,x2,?,xn)的任意正常数倍，我们不妨取成相等，记为L(μ, Σ)。可具体表达为： 二、Μ和Σ的极大似然估计 一元正态情形： 多元正态情形： 其中 称为样本均值向量（简称为样本均值）