多元正态分布

本篇笔记内容来源
数理统计学导论（原书第7版） 机械工业出版社

---

定义

如果对于所有 $t\in R^n$ ， $n$ 维随机向量 $X$ 的 $mgf$ 是

M X ( t ) = e x p { t ′ μ + 1 2 t ′ Σ t } M_X(t)=exp\{t'\mu+\frac{1}{2}t'\Sigma t\} MX​(t)=exp{t′μ+21​t′Σt}

其中协方差矩阵 $\Sigma$ 为对称的半正定矩阵，而且均值 $\mu \in R^n$ ，则 $X$ 服从多元正态分布.

记为 $X\sim N_n(\mu ,\Sigma )$

（其实就是每个分量都服从正态分布）

---

线性运算

假定 $X\sim N_n(\mu ,\Sigma )$ ，设 $Y=AX+b$ ，其中 $A$ 表示 $m\times n$ 矩阵，而 $b\in R^m$ .

那么

$$Y\sim N_m(A\mu +b,A\Sigma A^{\prime })$$

（ $Y$ 的分量是 $X$ 分量的线性组合，算是正态分布的线性可加性在多元情况下的表现吧）

---

上一条的推论

假定 $X\sim N_n(\mu ,\Sigma )$

将 $X$ 分割为 $m$ 和 $n-m$ 两部分

$$X=\left[\begin{array}{c}{X}_1\\ X_2\end{array}\right]$$

以同样方式，对均值和协方差矩阵加以分割

$$\mu =\left[\begin{array}{c}{\mu }_1\\ {\mu }_2\end{array}\right],\Sigma =\left[\begin{array}{cc}{\Sigma }_{11}& {\Sigma }_{12}\\ {\Sigma }_{21}& {\Sigma }_{22}\end{array}\right]$$

于是

$$X_1\sim N_m({\mu }_1,{\Sigma }_{11})$$

所以 $X$ 的任意边缘分布也是正态

---

分量之间的独立性

假定 $X\sim N_n(\mu ,\Sigma )$

还是像上一条一样分割

$X_1$ 与 $X_2$ 是独立的充要条件是 ${\Sigma }_{12}=O$

（这里比较特殊，协方差为零与独立等价）

（前面学协方差的时候，协方差为零不能推得独立）