- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
应用多元统计 朱建平 课后答案
应用多元统计lpar;朱建平rpar;课后答案
2.1.试叙述多元联合分布和边际分布之间的关系。
解:多元联合分布讨论多个随机变量联合到一起的概率分布状况,X=(X1,X2, Xp)的联合分布密度函数是一个p维的函数,而边际分布讨论是X=(X1,X2, Xp)的子向量的概率分布,其概率密度函数的维数小于p。
2.2设二维随机向量(X1
X2)服从二元正态分布,写出其联合分布。
2?σσ12?1
,则其联合分布密度函数为
μ2),协方差矩阵为 2?
?σ21σ2?
X2)的均值向量为μ=(μ1
?σσ12?f(x)= 2?
?σ21σ2?
2.3已知随机向量(X1
???σ12σ12??1?exp?-(x-μ) (x-μ)?。 2?2?σ21σ2?????
X2)的联合密度函数为
f(x1,x2)=
2[(d-c)(x1-a)+(b-a)(x2-c)-2(x1-a)(x2-c)]
(b-a)2(d-c)2
其中a≤x1≤b,c≤x2≤d。求
(1)随机变量X1和X2的边缘密度函数、均值和方差; (2)随机变量X1和X2的协方差和相关系数; (3)判断X1和X2是否相互独立。
(1)解:随机变量X1和X2的边缘密度函数、均值和方差;
fx1(x1)=?
2[(d-c)(x1-a)+(b-a)(x2-c)-2(x1-a)(x2-c)]
(b-a)(d-c)
2(d-c)(x1-a)x2=
(b-a)2(d-c)2
2[(b-a)(x2-c)-2(x1-a)(x2-c)]
(b-a)(d-c)
2(d-c)(x1-a)x2=
(b-a)2(d-c)22(d-c)(x1-a)x2=
(b-a)2(d-c)2
2[(b-a)t-2(x1-a)t]
(b-a)2(d-c)2
[(b-a)t2-2(x1-a)t2]+
(b-a)2(d-c)2
(b-a)。 b+a
由于X1服从均匀分布,则均值为,方差为
同理,由于X2服从均匀分布fx2(x2)=?d-c
(2)解:随机变量X1和X2的协方差和相关系数;
x1∈[c,d]其它
(d-c)。 d+c
,则均值为,方差为
cov(x1,x2)
a+b??d+c?2[(d-c)(x1-a)+(b-a)(x2-c)-2(x1-a)(x2-c)]?
x-x-1dx21??2?22?a 22(b-a)(d-c)????
(c-d)(b-a)
cov(x1,x2)
(3)解:判断X1和X2是否相互独立。
X1和X2由于f(x1,x2)≠fx1(x1)fx2(x2),所以不独立。
2.4设X=(X1,X2, Xp)服从正态分布,已知其协方差矩阵∑为对角阵,证明其分量是相互独立的随机变量。
解:因为X=(X1,X2, Xp)的密度函数为
-1/2?1?-1
f(x1,...,xp)=Σexp-(x-μ)Σ(x-μ)?? ?2??σ12?
σ2? 又由于Σ= ? ?2? σp??
Σ=σ12σ2 σp
σ2 1 Σ-1=
?????? ?
?1?2?σp?
则f(x1,...,xp)
??1? σ2? 1? p
-1/2?1 222-1
σexp-(x-μ)Σ=?12p 2?
??(x-μ)??
1??2??σp??
p222?-11(xp-μp)??1(x1-μ1)1(x2-μ3)?
σexp---...-()?? 12p222
σ12σ22σp???2?
?(xi-μi)2?=?-?=f(x1)...f(xp) 2
2σi?i=1?
则其分量是相互独立。
?==2.5由于多元正态分布的数学期望向量和均方差矩阵的极大似然分别为μ
?=∑(X-)(X-) Σii
?35650.00?
?12.33??== μ
17325.00? 152.50????
?202188000.0038900.0083722500.00
38900.001300 ?Σ=
0016710.0036573750.00 -736800.00-35.800-19
原创力文档


文档评论(0)