《多元统计分析》课后习题参考答案.docxVIP

《多元统计分析》参考答案

第1章多元分布

1.1解:所求的概率密度分别为：

fX

fY

1.2解：随机变量X，Y的联合概率密度为：

fx,y

fY

1.3解：对fx,y

f

=1

则可得：

fY

由X,Y的对称性得：

fX

综上,X~Nμ

1.4解：X,Y的协方差为：

E

=1

令z=11?ρ

E

=

=

则有

ρ

1.5解：由已知

X1

雅可比行列式为：

J=?(

则

fu

1.6解：

f

f

由定理1.1知，用关于x2的函数给出x

E

则近似误差U的方差为：

VarU

1.7解：

由二维标准正态分布的性质知，其边缘分布为标准正态分布，即U~N0,1;V~N0,1

C

由于U,V是随机变量，可以保证上述的逆运算是唯一的，因此C是唯一的，符合Sklar定理。

1.8解：由已知Y=

VarY

1.9证明略。

1.10略。

1.11解：（1）由已知，f

f

因为有fx1,x2

EX

VarX

EX

VarX

(2)由已知，

fX

fX

EX

VarX

同理可得，

EX

fX

fX

EX

同理可得，

EX

（3）由已知，fX

X1

fX

由于x2

EX

fX

fX

EX

VarX

EX

1.12解：由已知

X

雅可比行列式为：

J=

fu

1.13解：（1）

当α=0时，椭圆轮廓线为：

x

当α=?1

x

当α=1

x

当α=1时，椭圆轮廓线为

x1

(2)记Y=X?μ~N

要求C，使得P

等价于P

由YTΣ?1

1.14解：

f

P

f

P

P

P

1.15解：（1）由0101

（2）f

f

f

则有

E(X1)=

E(X2)=

f

f

f

Cov

Cov

则有

ΣX

(3)

f

f

则有

ΣX

第2章多元正态分布理论

2.1证明：

设X=X1

根据定理2.3，有

μ

对比（1）等式两端，得

Σ

即

Σ21

由（2）式，可知Σ22

综上，

μ

Σ=

2.2解：

根据定理2.4，由XY

μ

又由定理2.3，可知μZ|Y

μ

由（1）和（2）解得

W=Y

由已知XY,Z=XW~Ν12+2Y+3Z,1，可知μX|W=2+2Y+3Z=2+

WX

于是μ=

现已知XY~N3

μ

σX|Y

令T=Y+Z，则μT=μY+

X(Y+Z)=X

其中

μ

σX|(Y+Z)

2.3解：

由定理2.5可知，当Β=Σ?

2.4解：

由威沙特分布定义知：设Zi~Np(0,

W=i=1

由此可得EW

2.5证明：

(1)?(2).若随机变量X=(X

?X

只有当?Xt仅依赖于t的长度时，（2）的结论才成立。那么，取?X

(2)?(3).首先?X1t=EeitX

?a

所以，aX与

(3)?(1).对任意正交矩阵U，有

?UX

2.6解：

设随机向量X服从标准正态分布Νd0,

?X

由习题2.5（2）可知，X~Sd(ψ

2.7解：

因为X服从二元正态分布，所以AX,BX都服从正态分布且

Cov

即AX与BX不相关，又AX与BX都服从正态分布，因此，AX与BX是独立的。

2.8解：

（1）由题可知X~N(12,2112)和

由定理2.3知，Y2|Y1~N(

（2）W=X?Y~N(μW,

2.9解：

（1）由定理2.4知，ZY~N(01,1112),即YZ~N(10,

μY|

σY|

（2）由（1）可知Z?Y

UV

（3）因Y|Z~N(1+Z,1)

EY|U

2.10解：

根据定理2.3可知（1）、（2）不可能成立，因为条件期望和条件方差公式中不含二次项。但（3）、（4）的情况可能成立，因为条件期望是作为条件变量的线性函数，而条件方差是个常数。

2.11解：

（1）

①将X1的线性函数μX3|X1作为X3的最优线性近似。由定理2.

②简单相关系数度量了一个随机变量与另一个随机变量之间的线性关系强弱，而多重相关系数度量了一个随机变量与一组随机变量之间的线性关系强弱。记X=X1X2X3=X4

（2）由题可知Z1~N(?1,24)，Z2~N(5,8)且Z1

Z1

2.12解：

由定理2.4可得

XZ~N15

X与Y的协方差为σXY=ρXYσ

固定Z时，X与Y之间的偏相关系数为

ρ

=

=

=?

≈?0.5976

使用Y和Z的线性函数μX|YZ

μ

=1+

=?

可以使用多重相关系数来评估该线性近似的好坏：

ρ

=

=

≈0.8367

这说明X与Y,ZT间有强线性相依性，所以使用Y和Z的线性函数μ

2.13解：

（1）使用X1,X4的线性函数

μ

（2）同理，使用X1,X3,

μ

上述结果说明X4在基于X1,X4来近似X2时不重要，而使用X

2.14证明：

设X~Npμ,

fX

考虑如下线性变换，

Z=

此时，rankD

f

=

注意到上式为p维正态分布Np

Z

~

~N

因此，根据定理2.1，Y=Aμ+c

2.15证明nS