- 1、本文档共27页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
查看更多
应用多元统计分析课后答案 doc - 百度文库
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,
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 服从二元正态分布,写出其联合分布。
解:设 的均值向量为 ,协方差矩阵为
,则其联合分布密度函数为
。
2.3 已知随机向量 的联合密度函数为
其中 , 。求
1 )随机变量 和 的边缘密度函数、均值和方差;
2 )随机变量 和 的协方差和相关系数;
3 )判断 和 是否相互独立。
1 )解:随机变量 和 的边缘密度函数、均值和方差;
所以 由于 服从均匀分布,则均值为 ,方差为 。
同理,由于 服从均匀分布 ,则均值为
,方差为 。
( 2 )解:随机变量 和 的协方差和相关系数;
( 3 )解:判断 和 是否相互独立。
和 由于 ,所以不独立。
2.4 设 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 的密度函数为
又由于
则
则其分量是相互独立。
2.6 渐近无偏性、有效性和一致性;
2.7 设总体服从正态分布, ,有样本 。由于 是相互独立的正态分布随机向量之和,所以 也服从正态分布。又
所以 。
2.8 方法 1 :
。
方法 2 :
。 故 为 的无偏估计。
2.9. 设 是从多元正态分布 抽出的一个简单随机样本,试求 的分布。
证明: 设 为一正交矩阵,即 。
令 ,
所以 。且有
, , 。
所以 独立同 分布。又因为
因为 又因为
所以原式
故 ,由于 独立同正态分布 ,所
以
2.10. 设 是来自 的简单随机样本, ,
1 )已知 且 ,求 和 的估计。
2 )已知 求 和 的估计。
解:( 1 ) ,
(2)
解之,得
,
第三章
3.1 试述多元统计分析中的各种均值向量和协差阵检验的基本思想和步骤。
其基本思想和步骤均可归纳为:
第一,提出待检验的假设 和 H1 ; 第二,给出检验的统计量及其服从的分布;
第三,给定检验水平,查统计量的分布表,确定相应的临界 值,从而得到否定域;
第四,根据样本观测值计算出统计量的值,看是否落入否定域中,以便对待判假设做出决策(拒绝或接受)。
均值向量的检验:
统计量 拒绝域
均值向量的检验:
在单一变量中
当 已知
当 未知
( 作为 的估计量)
一个正态总体
协差阵 已知
协差阵 未知
( )
两个正态总体
有共同已知协差阵有共同未知协差阵(其中 )
协差阵不等
协差阵不等
多个正态总体
单因素方差
多因素方差
协差阵的检验
检验
检验
统计量
3.2 试述多元统计中霍特林 分布和威尔克斯 分布分别与一元统计中 t 分布和 F 分布的关系。
答:(!)霍特林 分布是 t 分布对于多元变量的推广。
而若设 ,
且 与 相互独立, ,则 称统计量 的 分布为非中心霍特林 T 2 分布。
若 , 且 与 相互独立,令 ,
则 。
2 ) 威尔克斯 分布 在实际应用中经常把 统计量化为 统计量进而化为 统计量,利用 统计量来解决多元统计分析中有关检验问题。
与 统计量的关系
统计量及分别
任意 任意 1
任意 任意 2
任意 任意
任意 任意
3.3 试述威尔克斯统计量在多元方差分析中的重要意义。
答:威尔克斯统计量在多元方差分析中是用于检验均值的统计量。
用似然比原则构成的检验统计量为 给定检验水平 ,查 Wilks 分布表,确定临界值,然后作出统计判断。
第四章
4.1 简述欧几里得距离与马氏距离的区别和联系。
答: 设 p 维欧几里得空间 中的两点 X = 和 Y = 。则欧几里得距离为 。欧几里得距离的局限有 在多元数据分析中,其度量不合理。 会受到实际问题中量纲的影响。
X,Y 是来自均值向量为 ,协方差为 的总体 G 中的 p 维样本。则马氏距离为 D(X,Y)= 。当 即单位阵时,D(X,Y)= = 即欧几里得距离。
因此,在一定程度上,欧几里得距离是马氏距离的特殊情况,马氏距离是欧几里得距离的推广。
4.2 试述判别分析的实质。
答:判别分析就是希望利用已经测得的变量数据,找出一种判别函数,使得这一函数具有某种最优性质,能把属于不同类别的样本点尽可能地区别开来。设 R1,
R2,…,Rk 是 p 维空间 R p 的 k 个子集,如果它们互不相交,且它们的和集为 ,则称 为 的一个划分。判别分析问题实质上就是在某种
文档评论(0)