应用多元统计分析 多元正态分布参数估计.pptVIP

多元正态分布的参数估计 1引言 用多元统计分析 2基本概念 3 多元正态分布 4多元正态分布的参数估计 5 多元正态分布参数估计的 实例与计算机实现 多元统计第一节引言 ■多元统计分析涉及到的都是随机向量或多个随机向量放在 起组成的随机矩阵。例如在研究公司的运营情况时,要考虑 公司的获利能力、资金周转能力、竞争能力以及偿债能力等 财务指标;又如在研究国家财政收入时,税收收入、企业收 入、债务收入、国家能源交通重点建设基金收入、基本建设 贷款归还收入、国家预算调节基金收入、其他收入等都是需 要同时考察的指标。显然,如果我们只研究一个指标或是将 这些指标割裂开分别研究,是不能从整体上把握研究问题的 实质的,解决这些问题就需要多元统计分析方法。为了更好 的探讨这些问题,本章我们首先论述有关随机向量的基本概 念和性质。 多元统计 ■在实用中遇到的随机向量常常是服从正态分布或近似正态分 布,或虽本身不是正态分布,但它的样本均值近似于正态分 布。因此现实世界中许多实际问题的解决办法都是以总体服 从正态分布或近似正态分布为前提的。在多元统计分析中, 多元正态分布占有很重要地位,本书所介绍的方法大都假定 数据来之多元正态分布。为此,本章将要介绍多元正态分布 的定义和有关性质 ■然而在实际问题中,多元正态分布中均值向量和协差阵通 常是未知的,一般的做法是由样本来估计。这是本章讨论的 重要内容之一,在此我们介绍最常见的最大似然估计法对参 数进行估计,并讨论其有关的性质。 多元统计基本概念 随机向量 多元分布 随机向量的数字特征 多元统计一、随机向量 ■我们所讨论的是多个变量的总体,所研究的数据是同时p个 指标(变量),又进行了n次观测得到的,我们把这个p指标 表示为X1,X2,…,X,常用向量X=(X 表示对同一个体观测的p个变量。这里我们应该强调,在多 元统计分析中,仍然将所研究对象的全体称为总体,它是由 许多(有限和无限)的个体构成的集合,如果构成总体的个 体是具有p个需要观测指标的个体,我们称这样的总体为p维 总体(或元总体)。上面的表示便于人们用数学方法去研 究p维总体的特性。这里“维”(或“元”)的概念,表示 共有几个分量。若观测了n个个体,则可得到如表21的数据 称每一个个体的p个变量为一个样品,而全体n个样品组成一 个样本。 多元统计 表2.1数据 变量 XI X 序号 X X X X 22 X 在这里横看表2.1,记为 X C=1,2;n, 表示第个样品的观测值。竖看表21,第j列的元素 X=(X1,X2…Xn),j=1,2;B 表示对第j个变量X的n次观测数值 多元统计 因此,表2.1所反映出的样本资料可用矩阵表示为 XX X. X (X1,X X,) X,Ⅹ (21) 简记为X 定义21将P个随机变量X1,X2,…,X,的整体称为P维随 机向量,记为X=(X1,X2,…,Xn)。 在对随机向量的研究仍然限于讨论离散型和连续型两类随机 向量。 多元统计二、多分布 ■先回顾一下一元统计中分布函数和密度函数的定义 设X是一个随机变量,称F(x)=P(X≤x)为X的概率分布 函数或简称为分布函数,记为X~F(x) 若随机变量在有限或可列个值{x}上取值,记 PX=x)=n,(k=1,2…)且∑P=1,则称X为离散 型随机变量,称P(X=x2)=P,(k=1,2,…)为X的概率分 布 设X~F(x),若存在一个非负函数f(x),使得一切实数x有: F(x)=∫f()t,则称f(x)为X的分布密度函数,简称为 密度函数。一个函数f(x)能作为某个随机变量X的分布密度 函数的重要条件是 多元统计 (1)f(x)≥0,对一切实数x (2)f(x)dx=1 定义22设X=(X1,X2,…,X,)是p维随机向量,它 的多元分布函数定义为 F(x)△F(X1,X2…X)=PX1≤x,X2≤x2,…X≤x2) (2.2) 记为X~F(x),其中x=(x1,x,…,x)∈R,R表 示P维欧氏空间。 多维随机向量的统计特性可用它的分布函数来完整地描 述 多元统计 定义23设X=(X1,X2…,X)是P维随机向量,若存在有 限个或可列个P维数向量x,x2,…,记P(X=x)=Pk, (k=1,2,…)且满足P1+P2+…=1,则称X为离散型随机向 量,称P(X=x)=P,(k=1,2…)为X的概率分布 设X~F(x)AF(x,x2,…,x),若存在一个非负函数 f(x1,x2,…,x),使得对一切x=(x,x2…x)∈R有 F(xAF(X, x2 f(+,t2;…,t)t…t,(23