第三章多元正态分布PPT讲稿.ppt

第三章第三章 多元正态分布多元正态分布第1页，共20页，编辑于2022年，星期二1、离散型随机变量的概率分布若随机变量X在有限或可列个值上取值，记 且 则称X为离散型随机变量，并称 为离散型随机变量X的概率分布。它具有两个性质：2、连续型随机变量的概率分布对于随机变量X的分布函数，若存在一个非负函数f（x），使得对一切实数x有：则称X为连续型随机变量，称f（x）为X的分布密度函数。它具有两个性质：第2页，共20页，编辑于2022年，星期二二、随机变量的数字特征（一）离散型随机变量的数字特征若X为离散型随机变量，其概率分布为 则X的数学期望（或称均值）和方差分别定义为：（二）连续型随机变量的数字特征若X为连续型随机变量，其密度函数为f（x），则X的数学期望（或称均值）和方差分别定义为：第3页，共20页，编辑于2022年，星期二数学期望有如下的数学性质：1.设C是常数，则E（C）=C2.设X是随机变量，C是常数，则E（CX）=CE（X）3.设X、Y是任意两个随机变量，则E（X+Y）=E（X）+E（Y）4.设X、Y是两个相互独立的随机变量，则E（XY）=E（X）E（Y）方差有如下数学性质：1.设C是常数，则D（C）=02.设X是随机变量，C是常数，则D（CX）=C2D（X）3、设X、Y是两个相互独立的随机变量，则D（X+Y）=D（X）+D（Y）三、一些重要的一元分布1.正态分布连续型随机变量X的概率密度函数为：则称X服从正态分布。第4页，共20页，编辑于2022年，星期二2.卡方分布设XN（0，1），为抽自总体的一个样本，其平方和 服从自由度为n的 分布，记为：3.t分布设xN（0，1），且x与y相互独立，则随机变量 的分布称为t分布。记为 4.F分布设随机变量 且x与y相互独立，则随机变量 服从自由度为（n，m）的F分布，记为 第5页，共20页，编辑于2022年，星期二n n一、随机向量及概率分布一、随机向量及概率分布n n（一）随机向量（一）随机向量u u将将p p个随机变量个随机变量的整体称为p维随机向量，记为：第二节第二节第二节第二节 多元统计分析中的基本概念多元统计分析中的基本概念多元统计分析中的基本概念多元统计分析中的基本概念在多元统计分析中，仍将所研究对象的全体称为总体。如果构成总体中的个体是由p个需要观测指标的个体，称这样的总体为p维总体，或p元总体。由于从p维总体中随机抽到一个个体，其p个指标观测值是不能事先精确知道，它依赖于被抽到的个体，因此，p维总体可用p维随机向量来表示，这里的维或元表示共有几个分量。例如，要研究某类企业的三项经济效益指标，则所有这类企业的三项经济效益指标就构成了一个三元总体。第6页，共20页，编辑于2022年，星期二对随机向量有连续型和离散型两类。（二）概率分布设 是维随机向量，它的多元分布函数定义为：记为 其中：1、离散型随机向量的概率分布定义：若 是p维随机向量，若存在有限或可列个p维随机向量 记 且 则称X为离散型随机向量，并称 为离散型随机变量X的概率分布。它具有两个性质：第7页，共20页，编辑于2022年，星期二2、连续型随机向量的概率分布定义：设 若存在一个非负函数 使得对一切 有：则称X为连续型随机向量，称 为分布密度函数。它具有两个性质：二、随机向量的数字特征设 若 存在且有限，则称 为X的均值向量或数学期望 均值向量有以下性质：1.E（AX）=AE（X）2.E（AXB）=AE（X）B3.E（AX+BY）=AE（X）+BE（Y）其中：X、Y为随机变量，A、B为适合运算的常数矩阵。1.随机 向量的数学期望第8页，共20页，编辑于2022年，星期二设 称 为X的方差阵或协差阵.2.随机向量的协方差矩阵3.随机向量X和Y的协差阵 当X=Y时，即D(X)第9页，共20页，编辑于2022年，星期二4.随机向量的相关系数矩阵 若 的协差阵存在，且每个分量的方差都大于0，则随机向量的相关阵为5.协方差阵和相关系数矩阵的关系设标准离差阵为 则：协差阵有如下数学性质：即X的协差阵为非负定阵。对于常数向量a，有D（X+a）=D（X）设A为常数矩阵，则 其中，a，A，B为大小适合运算的常数向量和矩阵。第10页，共20页，编辑于2022年，星期二第三节 多元正态分布的定义及基本性质一、多元正态分布的定义一、多元正态分布的定义定义1：若p维随机向量 的密度函数为：其中：是p维均值向量，是p阶正定阵，则称X服从p元正态分布，记为：当p等于1时，即为一元正态分布。当 时，也有正态分布的定义。二、多元正态变量的基本性质二、多元正态变量的基本性质1、若 是对角阵，则 相互独立。第11页，共20页，编辑于2022年，星期二2、A为sp阶常数阵，d为s维常数向量，则：即正态随机向量的线性函数还是正态的。3、,将 做如下剖析：则多元分析中的许多方法，大都假定数据来自多元正态总体。但 要判断已有的一批数据是否来自多元正态总体，是很困难的。可是反过来要肯定数据不是来自多元正态总体，比较容易。即如果 则它的每个分量必服从一元正态分布，因 此把每个分量的n个样品值作成直方图，如果断定不是正态分布，就可以断定随机向量 不服从正态分布。第12页，共20页，编辑于2022年，星期二一、多元样本的概念一、多元样本的概念第四节 多元正态分布的参数估计 多元分析研究的总体是多元总体，从多元总体中随机抽取n个个体：若 相互独立，且与总体同分布，则称 为该总体的一个随机样本。每个 称为一个样品，为第a个样品对第j个指标的观测值，显然每个样品都是一个随机向量，将n个样品对p个指标都进行观测，得到如下一个随机矩阵（观测矩阵、样本资料阵）：值得注意的是：1、多元样本中的每个样品，对p个指标的观测值往往是有相关关系的，但不同样品之间的观测值一定是相互独立的。2、多元分析所处理的多元样本观测数据一般都属于横截面数据，即在同一时间不同空间上的数据。第13页，共20页，编辑于2022年，星期二二、多元样本的数字特征二、多元样本的数字特征定义：设 为来自p元总体的样本，其中：则：样本均值向量定义为：因为：第14页，共20页，编辑于2022年，星期二样本离差阵的定义为：因为：第15页，共20页，编辑于2022年，星期二样本协差阵定义为：样本相关阵定义为：其中：三、的最大似然估计及基本性质 设 来自于正态总体 的样本（样本容量为n），每个样品为：样本资料阵为：第16页，共20页，编辑于2022年，星期二则用极大似然估计法可求出 的估计量：的估计量同样具有以下的优良性质：第五节 的抽样分布 一、样本均值向量一、样本均值向量 的分布的分布（一）正态总体设 是从总体中抽到的一个样本，则样本均值 的分布服从正态分布，即第17页，共20页，编辑于2022年，星期二（二）非正态总体中心极限定理：中心极限定理：是来自总体的一个样本，该总体有均值 和有限协方差阵 则当样本容量 n很大且 n相对于 p也很大时，样本平均数的分布近似于正态分布，二、样本离差阵二、样本离差阵 的分布的分布 WishartWishart分布分布定义定义:设 分别来自于协方差阵相等的 p维正态总体 则 维随机矩阵 的分布遵从非中心Wishart分布，记为 其中 时称为中心Wishart分布，记为 第18页，共20页，编辑于2022年，星期二Wishart分布的基本性质：1设 是从P维正态总体 中随机抽取的n个样品,则样本离差阵 2若 且相互独立，则 3若 为非奇异矩阵，则 第六节第六节 随机向量数字特征的上机实现随机向量数字特征的上机实现第19页，共20页，编辑于2022年，星期二第四节 多元正态分布的参数估计多元正态分布的参数估计.doc第20页，共20页，编辑于2022年，星期二