第2章 多元正态分布及参数的估计.pptVIP

第二章 多元正态分布及参数的估计 主要内容 一、拉直运算和克罗内克(Kronecker)积 1. 拉直运算 所谓拉直运算，就是将矩阵拉成一个长向量，通过它来建立矩阵和向量之间的联系。设随机矩阵 X 是一个n×p矩阵，用X 的列向量 X1,X2,…,Xp 组成一个np维向量，记为 符号“Vec”称为拉直运算。如果将矩阵 X 的行向量（样品）拉直为一个np维向量，用拉直运算的符号可记为 在多元统计分析中，经常需要考虑对称矩阵的拉直运算。设 S 是 p 阶对称矩阵，在 S 矩阵中包含 p(p+1)/2 个不同的随机变量，故将其拉直为 p2 维向量是不合适的，应拉成p(p+1)/2 维向量。设 S=(Sij)p×p 为 p 阶对称矩阵，令 为 p(p+1)/2 维向量。符号“Svec”称为对称矩阵的拉直运算。 2. 克罗内克积 设 A=(aij) 和 B 分别为 n×p 和 m×q 的矩阵，A 和 B 的克罗内克积 A B定义为 它是 mn×pq 矩阵。在多元统计分析中克罗内克积又称矩阵的直积，是一个有用的工具。在下面的讨论中将用到矩阵的直积的一些性质（见参考文献[1]）。 二、随机阵的正态分布 设 为来自 p 元正态总体 的随机样本（独立同分布），记