多元统计分析.pptVIP

* * §1.3.1 多元正态分布的定义 |∑|为协差阵∑的行列式。 目录 上页 下页 返回 结束 定义1.5：若 元随机向量 的概率密度函数为： 则称 遵从 元正态分布，也称X为P元正态变量。记为 第三十页，共61页 * * 定理1.1将正态分布的参数μ和∑赋于了明确的统计意义。有关这个定理的证明可参见文献[3]。 多元正态分布不止定义1.5一种形式，更广泛地可采用特征函数来定义，也可用一切线性组合均为正态的性质来定义等，有关这些定义的方式参见文献[3]。 目录 上页 下页 返回 结束 §1.3.1 多元正态分布的定义 定理1.1：设 则 第三十一页，共61页 * * §1.3.2 多元正态分布的性质 目录 上页 下页 返回 结束 1、如果正态随机向量 的协方差阵∑是对角阵，则X的各分量是相互独立的随机变量。证明参见文献[4]，p.33。 容易验证， ，但 显然不是正态分布。 2、多元正态分布随机向量X的任何一个分量子集的分布（称为X的边缘分布）仍然遵从正态分布。而反之，若一个随机向量的任何边缘分布均为正态，并不能导出它是多元正态分布。 例如，设 有分布密度 第三十二页，共61页 * * § 1.3.2 多元正态分布的性质 目录 上页 下页 返回 结束 4、若 ，则 若为定值，随着 的变化其轨迹为一椭球面，是 的密度函数的等值面.若 给定，则 为 到 的马氏距离。 m 3、多元正态向量 的任意线性变换仍然遵从多元正态分布。即设 ，而m维随机向量 ，其中 是 m×p阶的常数矩阵，b是m维的常向量。则m维随机向量Z也是正态的，且 。即Z遵从m元态分布，其均值向量为 ，协差阵为 。 第三十三页，共61页 * * § 1.3.3 条件分布和独立性 目录 上页 下页 返回 结束 我们希望求给定 的条件分布，即 的分布。下一个定理指出：正态分布的条件分布仍为正态分布。 设 p≥2,将X、μ和Σ剖分如下： 第三十四页，共61页 * * 证明参见文献[3]。 目录 上页 下页 返回 结束 § 1.3.3 条件分布和独立性 定理1.2：设 ，Σ0，则 第三十五页，共61页 * * (1.28) 目录 上页 下页 返回 结束 § 1.3.3 条件分布和独立性 定理1.3：设 ，Σ0，将X，μ，Σ剖分如下： 第三十六页，共61页 * * 则 有如下的条件均值和条件协差阵的递推公式： (1.29) (1.30) 其中 ， 证明参见[3] 目录 上页 下页 返回 结束 § 1.3.3 条件分布和独立性 第三十七页，共61页 * * 在定理1.2中，我们给出了对X、μ和Σ作形如(1.25)式剖分时条件协差阵 的表达式及其与非条件协差阵的关系，令 表示 的元素，则可以定义偏相关系数的概念如下： 定义1.6：当 给定时， 与 的偏相关系数为： 目录 上页 下页 返回 结束 § 1.3.3 条件分布和独立性 第三十八页，共61页 * * 目录 上页 下页 返回 结束 § 1.3.3 条件分布和独立性 定理1.4：设 将X、μ、Σ按同样方式剖分为 其中， 证明参见文献[3] 第三十九页，共61页 * * §1.4 均值向量和协方差阵的估计 上节已经给出了多元正态分布的定义和有关的性质,在实际问题中,通常可以假定被研究的对象是多元正态分布,但分布中的参数μ和Σ是未知的,一般的做法是通过样本来估计。 目录 上页 下页 返回 结束 第四十页，共61页 * * §1.4 均值向量和协方差阵的估计 均值向量的估计 在一般情况下,如果样本资料阵为： 目录 上页 下页 返回 结束 第四