本专栏主要作个人复习自测，有相关知识预备的同学也可作复习用。不保证无相应基础的人士能看明白。
万一考试考到了，或者对你的学习有较大帮助，一键三连不过分吧（斜眼笑）
多元正态分布
- 多元正态分布表达式中 2 π 2\pi 2π的次数是多少？ Σ \Sigma Σ在哪里开方在哪里没开方？ Σ \Sigma Σ和一元的 σ \sigma σ有什么关系？
- X ⃗ ∼ ( μ ⃗ , Σ ) \vec X\sim(\vec \mu,\Sigma) X∼(μ,Σ)则 Y ⃗ = ν ⃗ + B X ⃗ \vec Y=\vec \nu+B\vec X Y=ν+BX满足什么分布？（利用密度函数考察）解释转置出现在右边而不是左边。
- 由上，怎么取 B , ν ⃗ B,\vec \nu B,ν化为标准正态？换句话说 X ⃗ \vec X X怎么用标准正态变量表示？
- 由2.求正态变量的特征函数（提示：对标准正态变量利用独立性，再线性变换）
- 退化的正态分布：特征函数形式上和3.相同，但（）可能退化。由于退化时不便考虑密度，请用特征函数考虑1.
- （利用标准正态变量 Z ⃗ \vec Z Z做线性变换）并用定义证明正态分布的协方差矩阵时， E ∑ k , l a i k a j l Z k Z l = E\sum_{k,l}a_{ik}a_{jl}Z_kZ_l= E∑k,laikajlZkZl=（） = σ i j =\sigma_{ij} =σij，其中 Σ = ( a i j ) n × n \sqrt{\Sigma}=(a_{ij})_{n\times n} Σ=(aij)n×n，（） = ( σ i j ) n × n =(\sigma_{ij})_{n\times n} =(σij)n×n
- 随机变量满足指定数字特征 n n n元正态分布的充要条件是：分量的任意线性组合满足指定数字特征的（）。必要性可以直接求（）元特征函数。充分性先注意分量的任意线性组合的特征函数已知，由此可用已知的（）元特征函数求（）元特征函数。
- 考察边缘分布时把协方差矩阵分块，则无论是否独立，边缘分布都直接由哪两块决定？而哪两块为0能说明特征函数的乘积关系成立从而说明独立？由此，正态变量两两无关等价于 n n n维间相互独立在矩阵上怎么体现？
- 直接背诵二元情况 Σ − 1 \Sigma^{-1} Σ−1
答案
- 注意 σ \sigma σ对应 ∣ Σ ∣ \sqrt{|\Sigma|} ∣Σ∣
- N ( B μ ⃗ + ν ⃗ , B Σ B T ) N(B\vec \mu+\vec \nu,B\Sigma B^T) N(Bμ+ν,BΣBT)，因为 e e e指数上 x ⃗ T Σ − 1 x ⃗ \vec x^T\Sigma^{-1}\vec x xTΣ−1x中转置在左边，取逆之后反到右边了。（注意 x ⃗ = B − 1 ( y ⃗ − ν ⃗ ) \vec x=B^{-1}(\vec y-\vec \nu) x=B−1(y−ν)）
（注： B B B不一定是方阵） - B = ( Σ ) − 1 , ν ⃗ = − B μ , X ⃗ = μ ⃗ + Σ Z ⃗ B=(\sqrt{\Sigma})^{-1},\vec \nu=-B\mu,\vec X=\vec \mu+\sqrt{\Sigma}\vec Z B=(Σ)−1,ν=−Bμ,X=μ+ΣZ
- 标准 e − ∣ ∣ t ⃗ ∣ ∣ 2 / 2 e^{-||\vec t||^2/2} e−∣∣t∣∣2/2，一般情况 e i t ⃗ T μ ⃗ − t ⃗ T Σ t ⃗ / 2 e^{i\vec t^T\vec \mu-\vec t^T\Sigma\vec t/2} eitTμ
最低0.47元/天 解锁文章
2484
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
