多元统计分析期末论文.docxVIP

多元统计分析期末论文 注：此笔记仅由个人根据老师给的期末考纲进行归纳 第1章多元正态分布的基本概念 一、多元分布的基本概念 1.随机向量（概念）P2 2.分布函数与密度函数（概念）P3 3.随机向量的数字特征（公式）P4 二、统计距离 1.马氏距离的定义 马氏距离表示数据的协方差距离，是一种有效的计算两个未知样本集的相似度的方法。马氏距离也可以定义为两个服从同一分布并且其协方差矩阵为∑的随机变量之间的差异程度。是用坐标差平方除以方差（或说乘以方差的倒数），从而转化为无量纲数的，推广到多维就要乘以协方差阵∑的逆矩阵∑-1。 （欧氏距离是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离）。在二维和三维空间中的欧氏距离就是两点之间的实际距离。） 2.欧氏距离与马氏距离的差别 欧氏距离是马氏距离的特例，马氏距离考虑了数据的协方差，马氏距离中协方差矩阵是单位矩阵时就是欧氏距离。 1）马氏距离的计算是建立在总体样本的基础上的，这一点可以从协方差矩阵的解释中可以得出，也就是说，如果拿同样的两个样本，放入两个不同的总体中，最后计算得出的两个样本间的马氏距离通常是不相同的，除非这两个总体的协方差矩阵碰巧相同；。 2）在计算马氏距离过程中，要求总体样本数大于样本的维数，否则得到的总体样本协方差矩阵逆矩阵不存在，这种情况下，用欧氏距离计算即可。 3）还有