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