多元正态分布参数估计.pptVIP

一、多元正态分布参数估计040301样本多元样本数据多元分析的任务∶根据样本数据来分析各变量之间的关系，推断总体的性质。为一元样本0201样本平均值02样本平均值是n个点的重心例题：计算均值、离差阵、协方差和相关阵样本离差(平方乘积和)矩阵S01计算离差阵02(样本协方差) (样本方差)样本协差阵样本相关矩阵RR为非负定矩阵---样本相关系数01.变量的线性组合的样本值02.计算和均值方差与协方差二组样本的协方差矩阵01总体均值和协方差矩阵的最大似然估计03用最大似然法求出的均值和协方差的估计量分别为02设是总体均值的无偏估计是总体协方差的无偏估计分别是总体均值和协差阵的有效估计是总体均值和协差阵的一致估计估计和和和基本性质060504和S相互独立03样本均值和离差阵，则02和S分别是正态总体01定理设01多元统计中常用的分布02在一元统计中，常用的分布有卡方分布、t分布和F分布。在多元统计中，他们分别发展为Wishart分布、T2分布和Wilks分布。分布和Wishart分布定义1设为相互独立且同服从于分布的随机变量。则所服从的分布叫做分布，称为自由度且记为。定理2.由(1)式定义的随机变量的分布密度函数为定理3.设，且与相互独立，则推论2设是抽自正态总体的简单随机样本，则统计量Wishart分布它是多元样本离差平方和矩阵的分布定义1设为相互独立且同服从于分布，令则所服从的分布叫做自由度为的p维维希特分布，记作显然，当p=1时，有Wishart分布像卡方分布一样具有加法性质，若相互独立，则0102设，且与相互独立，则称随机变量 服从自由度为的分布，记为。将T平方，即三分布与分布在多元统计中分布是一元统计中t分布的推广定义：若，S与X相互独立、称随机变量是自由度为（p，n）的分布可以转化为F分布Hotelling123分布与Wilks分布定义3设，，且与相互独立，则称随机变量服从自由度为的分布，记为。F—分布事实上为从正态总体随机抽取的两个样本方差的比，在方差分析和回归分析中广泛使用描述的变异程度的统计参数称为广义方差，其定义有很多如F—统计量的推广是统计量定义：若相互独立，则称随机变量的分布是自由度为(p,n1,n2)的分布第三章假设检验

1、Σ已知时单总体均值向量的检验设从总体X～NP(μ,Σ)中随机抽取了一个容量为n的样本，得到的无偏估计为检验是否等于已知向量。即由于由正态分布与卡方分布的关系得构造检验统计量为具体步骤是：①作统计假设②计算样本的均值③计算统计量T的具体值T0④按规定的小概率标准α，查卡方分布表Ta，得临界值，并作出判断当T0≤Ta，接受H0，拒绝H1，即认为与没有显著差异。当T0＞Ta，接受H1，拒绝H0，即认为与