第二章多元正态分布.docx

第二章 多元正态分布 （一）教学目的 通过本章的学习， 要求对多元分布的基本概念有所了解， 掌握多元正态分布数字特征及其参数估计，尤其是多元正态分布的假设检验。 （二）基本要求 要求了解多元分布的基本概念，掌握多元正态分布的参数估计和假设检验。 （三）教学要点 1、多维随机向量的边缘密度、条件分布、数字特征 2、多元正态分布数字特征及其参数估计 3、三个常用的抽样分布 4、正态分布总体均值向量的检验 （四）教学时数 3课时 （五）教学内容 1、多元分布的基本概念 2、多元正态分布数字特征及其参数估计 3、三个常用的抽样分布及多元正态分布的假设检验 第一节 多元分布的基本概念 多元统计分析主要方法是建立在多元正态分布的假设之上的。 而多元正态分布又是多元 分布中应用最广泛的一种。 为此，在介绍多元统计分析方法之前， 首先有必要介绍多元正态 分布的有关内容。 另外，多元统计分析涉及到的都是随机向量或着将多个随机向量放在一起 组成的随机矩阵。为此，学习多元正态分布还需要首先从随机向量的基本概念开始。 多元统计分析，简称多元分析，是指当总体的分布是多维（多元）概率分布时，处理该 类总体的数理统计理论和方法的总称 , 是统计学中的一个重要的分支学科。 早在 19世纪就出现了处理二维正态总体的一些方法， 但系统地处理多维概率分布总体的 统计分析问题，则开始于 20世纪。人们常把 1928年维希特 (Wishart) 分布的导出作为多元分 析成为一个独立学科的标志。 20世纪 30年代， R.A. 费希尔、 H. 霍特林、许宝騄以及 S.N. 罗伊 等人做出了一系列奠基性的工作，使多元统计分析在理论上得到了迅速的进展。 20世纪 40 年代，多元分析在心理、 教育、生物等方面获得了一些应用。 由于应用时常需要大量的计算， 加上第二次世界大战的影响， 使其发展停滞了相当长的时间。 50年代中期， 随着电子计算机 的发展和普及，它在地质、气象、标准化、生物、图像处理、经济分析等许多领域得到了广 泛的应用，也促进了理论的发展。 一、随机向量 我们知道，所谓随机变量通俗理解就是“其值随机会而定”的变量。比如，在某厂大批 产品中随机地抽取出 100个，其中所含废品数 X 就是一个随机变量。这里 X 是一维的，所 以就称为一维随机变量，简称为随机变量。再如，我们考虑一个打靶试验，在靶面上取定一 个直角坐标系， 则命中的位置由其坐标 X ,Y 来刻划， X ,Y 都是随机变量， 而这里 X ,Y 是 二维的， 所以称为二维随机变量或二维随机向量。 多维随机变量或多维随机向量的意义可以 据此推广。为此，设 X1, X 2, , X p 为 p 个随机变量，由它们组成向量 X X1,X2 X p ， 则称作 p 维随机向量（ p 维随机变量）。在统计上，对多维随机向量的研究和对一维随机 变量的研究是一样的，要通过样本资料来推断总体的，为此，针对样本情况下，多维随机向 量的表示形式可如下进行。 如对于某个容量为 n 的样本资料， 实际上就是对 p 个随机变量 X 1, X 2 , , X p 进行 n 次 观察，所得数据形式如下： x11 x12 x1p X x21 x22 x2 p xn1 xn 2 xnp 我们常把每一次观察叫做一个样品。 关于随机变量（及向量）的研究，是概率论的中心内容，也是统计分析的基础概念。随 机变量按其可能取值的性质， 区分为两大类。 一类是离散型随机变量， 其特征是只能取有限 个值； 另一类是连续型的随机变量， 其特征是变量的全部可能取值不仅是无穷多的， 并且还 不能无遗漏地逐一排列， 而是充满一个区间的。 同样随机向量也有离散型和连续型之分。 对 于一个多维随机向量， 如果其每个分量都是一维离散型随机变量， 则称为多维离散型随机向 量；如果把一个 p 维随机向量的取值可视为 p 维欧氏空间中的一个点，若 p 维随机向量的 全部取值能够充满欧氏空间中某一区域，则称该 p 维随机向量为连续型的。 二、多元分布函数和多元密度函数 人们研究随机变量，不只是要看它能够取哪些值，更重要的是它取各种值的概率如何。 认识随机变量的取值规律， 也就是要研究随机变量取值的概率分布。 刻划随机变量取值及其 概率分布是通过函数的形式来进行的， 具体这种函数有两种形式， 一种叫概率分布函数简称分布函数，一种叫概率密度函数简称密度函数。 刻划多维随机向量取值及其概率分布同样也是通过分布函数和密度函数的形式来进行 的。 （一）多元分布函数 设 X X1,X2 X p 是一随机向量，它的多元分布函数定义为： F x F x1 , x2 , x p P X 1 x1 , X p xp 式中 x x1 , x2 , x p R