资源描述：
《高级统计学1.多元正态分布》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第一章多元正态分布目录上页下页返回结束§1.1多元分布的基本概念§1.2统计距离§1.3多元正态分布§1.4均值向量和协方差阵的估计§1.5常用分布及抽样分布1第一章多元正态分布一元正态分布在统计学的理论和实际应用中都有着重要的地位。同样，在多变量统计学中，多元正态分布也占有相当重要的位置。原因是：许多随机向量确实遵从正态分布，或近似遵从正态分布；对于多元正态分布，已有一整套统计推断方法，并且得到了许多完整的结果。目录上页下页返回结束2第一章多元正态分布多元正态分布是最常用的一种多元概率分布。除此之外，还有多元对数正态分布，多项式分布，多
2、元超几何分布，多元分布、多元分布、多元指数分布等。本章从多维变量及多元分布的基本概念开始，着重介绍多元正态分布的定义及一些重要性质。目录上页下页返回结束3第一章多元正态分布多元分布的基本概念统计距离多元正态分布均值向量和协方差阵的估计常用分布及抽样分布目录上页下页返回结束4§1.1多元分布的基本概念目录上页下页返回结束§1.1.1随机向量§1.1.2分布函数与密度函数§1.1.3多元变量的独立性§1.1.4随机向量的数字特征5§1.1.1随机向量表示对同一个体观测的个变量。若观测了个个体，则可得到如下表1-1的数据，称每一个个体的个变量为
3、一个样品，而全体个样品形成一个样本。假定所讨论的是多个变量的总体，所研究的数据是同时观测个指标（即变量），又进行了次观测得到的，把这个指标表示为常用向量目录上页下页返回结束6记它表示第α个样品的观测值。竖看表1-1,第j列的元素表示对第j个变量Xj的n次观测数值。…n…2…1…变量序号目录上页下页返回结束§1.1.1随机向量7因此,样本资料矩阵可用矩阵语言表示为:定义1.1设为个随机变量，由它们组成的向量称为随机向量。目录上页下页返回结束§1.1.1随机向量若无特别说明，本书所称向量均指列向量8定义1.2设是一随机向量，它的多元分布函数是
4、式中，,并记成。§1.1.2分布函数与密度函数描述随机变量的最基本工具是分布函数，类似地描述随机向量的最基本工具还是分布函数。目录上页下页返回结束9§1.1.2分布函数与密度函数目录上页下页返回结束定义1.3：设=,若存在一个非负的函数,使得对一切成立，则称（或）有分布密度并称为连续型随机向量。一个维变量的函数能作为中某个随机向量的分布密度，当且仅当10§1.1.3多元变量的独立性目录上页下页返回结束定义1.4：两个随机向量X和Y称为是相互独立的，若对一切成立。注意:在上述定义中，和的维数一般是不同的。（1）若F(x,y)为(X,Y)的联
5、合分布函数，G(x)和H(y)分别为X和Y的分布函数，则X与Y独立当且仅当（2）若(X,Y)有密度f(x,y)，用g(x)和h(y)分别表示X和Y的分布密度，则X和Y独立当且仅当11§1.1.4随机向量的数字特征是一个维向量，称为均值向量.目录上页下页返回结束当A、B为常数矩阵时，由定义可立即推出如下性质：1、随机向量的均值设有个分量。若存在，定义随机向量的均值为)(ûëûëéPPm)()6.1)()((2121μX=úúúúùêêêêé=úúúúùêêêê=XEXEXEEmm12§1.1.4随机向量的数字特征目录上页下页返回结束2、随机
6、向量X的协方差阵称它为p维随机向量X的协方差阵，简称为X的协方差阵。称
7、cov(X,X)
8、为X的广义方差，它是协差阵的行列式之值。13目录上页下页返回结束§1.1.4随机向量的数字特征3、随机向量X和Y的协差阵设分别为维和维随机向量，它们之间的协方差阵定义为一个矩阵，其元素是，即当A、B为常数矩阵时，由定义可推出协差阵有如下性质：14目录上页下页返回结束§1.1.4随机向量的数字特征（3）设X为n维随机向量，期望和协方差存在，记则对于任何随机向量来说，其协差阵∑都是对称阵，同时总是非负定（也称半正定）的。大多数情形下是正定的。15目录上页
9、下页返回结束§1.1.4随机向量的数字特征若随机向量的协差阵存在,且每个分量的方差大于零，则X的相关阵定义为:rij也称为分量Xi与Xj之间的（线性）相关系数。4、随机向量X的相关阵16在数据处理时，为了克服由于指标的量纲不同对统计分析结果带来的影响，往往在使用某种统计分析方法之前，常需将每个指标“标准化”，即做如下变换目录上页下页返回结束§1.1.4随机向量的数字特征17§1.2统计距离和马氏距离目录上页下页返回结束1.欧氏距离2.马氏距离18§1.2统计距离和马氏距离1.欧氏距离在多指标统计分析中,距离的概念十分重要,样品间的不少特征
10、都可用距离去描述。大部分多元方法是建立在简单的距离概念基础上的。即平时人们熟悉的欧氏距离,或称直线距离.如几何平面上的点P=(x1,x2)到原点O=(0,0)的欧氏距离,依勾股定理有目录上页下
