北邮概率统计课件4.4矩与协方差矩阵.pptxVIP

第四节 矩与协方差矩阵 一. 矩 矩是随机变量的更为广泛的一种数字特征，前面介 绍的数学期望及方差都是某种矩. X Y 定义: 设 和 是随机变量 (1). E(X k ) X k 若 存在，则称它为 的 阶原点 矩，k  1, 2, 简称 k阶矩。  k   (2). 若E{[X E(X )] } 存在，k 1, 2, X k 则称它为 的 阶中心矩。 2013-5-17 北邮概率统计课件 概率统计 (3). k l  则称它为 若 E(X Y )存在，k,l 1, 2,   X Y k l 和 的 阶混合矩。  k  l (4). E {[X E(X )] [Y E(Y )] } 若 存在， k,l  1, 2, 则称它为 X Y k l  和 的 阶 混合中心矩。 注 ：显然： E(X ) X 是随机变量 的一阶 数学期望 X 是随机变量 的 D(X ) 原点矩；方差 二阶中心矩；协方差 Cov(X,Y ) 是随 Y X 的二阶混合中心矩。 机变量 和 2013-5-17 北邮概率统计课件 概率统计 二. 协方差矩阵 定义: 若二维随机变量（X , X ）的四个二阶中心矩 1 2 都存在，分别记为：   2 c E{[X E(X )] } 11 1 1 c  E{[X  E(X )][X  E(X )]} 12 1 1 2 2 c  E{[X  E(X )][X  E(X )]} 这是 一个 对称 矩阵 21 2 2 1 1 2 c E{[X E(X )] }   22 2 2   c11 c12 将它们排成矩阵的形式:    c21 c 22  称此矩阵为（X , X ）的协方差矩阵. 1 2 2013-5-17 北邮概率统计课件 概率统计 注：▲ 类似可定义 n 维随机变量( X , X , …, X ) 的 1 2 n 协方差矩阵. c  Cov(X , X ) 若 i, j = 1, 2,…, n i j i j  E{[X  E(X )][X  E(X )]} i i j j 都存在，则称矩阵 ：  c c c   11 12 1n   c c  c   为( X , X , …, X ) 1 2 n  21 22 2n C   的协方差矩阵       c c  c   n1 n2 nn 2013-5-17 北邮概率统计课件 概率统计 ▲ n 维正态分布的概率密度的定义. 设 =( X , X , …, X )是一个 n 维随机向量，若 X  1 2 n 它的概率密度为： 推导过程见教 f ( x , x , …, x ) 材P135 1 2 n 1 1  1     exp{ (X ) C (X )}   (2 ) | C |  n 2 1 2 2 则称 X 服从 n 元正态分布. 其中： C 是( X , X , …, X ) 的协方差矩阵. 1 2 n |C| 是它的行列式， 1表示 C 的逆矩阵. C   X 和 是 n 维列向量，X 表示 X 的转置. 2013-5-17 北邮概率统计课件 概率统计 ▲ n 元正态分布的四条重要性质 (1). X = ( X , X , …, X ) 服从 n 维正态分布的充 1 2 n 分必要条件是：对一切不全为零的实数： a , a , …, a ， ( X , X , …, X ) 的任意线性组 1 2 n 1 2 n 合：a X + a X + …+ a X 均服从一维正态 1 1 2 2 n n 分布. (2). 若 X = ( X , X , …, X ) 服从 n 维正态分布， 1 2 n Y , Y , …，Y 是 X （j = 1, 2,…, n）的线性 1 2 k j 函数，则 ( Y , Y , …，Y ) 也服从多维正态 1 2 k 分布. 这一性质称为正态变量的线性变换不变性. 2013-5-17 北邮概率统计课件 概率统计 (3). 若 X = ( X , X , …, X ) 服从 n 维正态分布， 1 2 n 则它的每一个分量 Xj（j = 1, 2,…, n）都服从 正态分布；反之，若 X , X , …, X 都服从 1 2 n 正态分布，且相互独立，则 ( X , X , …, X ) 1 2 n 服从 n 维正态分布。 (4). 设 ( X , X , …, X ) 服从 n 维正态分布，则： 1 2 n “ X , X , …, X 相互独立 ” 与 1 2 n “ X , X , …, X 两两不相关 ”是等价的。 1 2 n 上述的四条性质在后续的“随机过程”与“数理统 计”课程中会经常用到