多元高斯分布是非参_多元统计分析第01讲--多元正态分布及参数估计（随机向量，多元正态分布定义，条件分布和独立性）...

最新推荐文章于 2024-03-03 15:54:59 发布

weixin_39702479

最新推荐文章于 2024-03-03 15:54:59 发布

阅读量537

点赞数 3

文章标签：多元高斯分布是非参

本文链接：https://blog.csdn.net/weixin_39702479/article/details/113029289

版权

本篇介绍了多元正态分布及其参数估计，包括随机向量的联合分布、边缘分布和条件分布，以及正态随机向量的独立性和条件分布。内容涵盖随机向量的定义、分布函数、协方差阵的性质，并详细阐述了多元正态分布的四种定义和相关性质。

摘要由CSDN通过智能技术生成

第二章、多元正态分布及参数估计

这一讲主要是给出概率论中若干概念向高维的推广

2.1随机向量

一、随机向量的联合分布、边缘分布和条件分布

1、多元数据 equation?tex=p 维随机向量：

equation?tex=%5Cboldsymbol%7BX%7D%3D%5Cleft%28X_%7B1%7D%2C+%5Ccdots%2C+X_%7Bp%7D%5Cright%29%5E%7B%5Cprime%7D ，其中每个

equation?tex=X_%7Bi%7D 都是随机变量

随机矩阵：

equation?tex=%5Cboldsymbol%7BX%7D_%7Bn+%5Ctimes+p%7D%3D%5Cleft%28%5Cboldsymbol%7BX%7D_%7B1%7D%2C+%5Cboldsymbol%7BX%7D_%7B2%7D%2C+%5Cldots%2C+%5Cboldsymbol%7BX%7D_%7Bn%7D%5Cright%29%5E%7B%5Cprime%7D ，其中每个

equation?tex=%5Cboldsymbol%7BX%7D_%7Bi%7D 都是

equation?tex=p 维随机变量，它代表了

equation?tex=p 维随机向量的

equation?tex=n 个样本，其中每一行都是一个样本。回顾一下数理统计中的简单样本

equation?tex=%5Cleft%28X_%7B1%7D%2C+%5Ccdots%2C+X_%7Bn%7D%5Cright%29 ，这里的高维样本不过是将每个

equation?tex=X_i 变成了一个

equation?tex=p 维的向量.

2、多元分布

1、分布函数

类似一维情形

equation?tex=F%28%5Cboldsymbol%7BX%7D+%5Cleq+%5Cboldsymbol%7Bx%7D%29%3DP%5Cleft%28X_%7B1%7D+%5Cleq+x_%7B1%7D%2C+%5Cldots%2C+X_%7Bp%7D+%5Cleq+x_%7Bp%7D%5Cright%29%5C%5C

2、密度函数

为多维实值函数满足

equation?tex=f%28%5Cboldsymbol%7Bx%7D%29

equation?tex=F%28%5Cboldsymbol%7Bx%7D%29%3D%5Cint_%7B-%5Cinfty%7D%5E%7Bx_%7B1%7D%7D+%5Cint_%7B-%5Cinfty%7D%5E%7Bx_%7B2%7D%7D+%5Cldots+%5Cint_%7B-%5Cinfty%7D%5E%7Bx_%7Bp%7D%7D+f%5Cleft%28x_%7B1%7D%2C+x_%7B2%7D%2C+%5Cldots%2C+x_%7Bp%7D%5Cright%29+d+x_%7B1%7D+d+x_%7B2%7D+%5Cldots+d+x_%7Bp%7D%5C%5C

3、边际分布

考虑变量之间的独立性时，往往会涉及到边际分布。对于一个

equation?tex=p 维随机向量，设其中一个

equation?tex=q 维子向量为

equation?tex=%5Cboldsymbol%7BX%7D_%7B1%7D%3D%5Cleft%28X_%7Bi_%7B1%7D%7D%2C+%5Cldots%2C+X_%7Bi_%7Bq%7D%7D%5Cright%29%5E%7B%5Cprime%7D ，那么该子向量的分布便是边际分布，计算方法如下

equation?tex=P%5Cleft%28%5Cboldsymbol%7BX%7D_%7B1%7D+%5Cleq+%5Cboldsymbol%7Bx%7D_%7B1%7D%5Cright%29%3DF%5Cleft%28%5Cinfty%2C+%5Cldots%2C+x_%7Bi_%7B1%7D%7D%2C+%5Cinfty%2C+%5Cldots%2C+x_%7Bi_%7Bq%7D%7D%2C+%5Cldots%2C+%5Cinfty%5Cright%29%5C%5C

也就是分布函数中不在

equation?tex=X_%7Bi_j%7D 中的变量取值为无穷大.

ps：如果是求边际密度，则为联合密度对不在不在

equation?tex=X_%7Bi_j%7D 中的变量求全积分.

4、条件分布

设

equation?tex=%5Cboldsymbol%7BX%7D%3D%5Cleft%28%5Cboldsymbol%7BX%7D_%7B1%7D%5E%7B%5Cprime%7D%2C+%5Cboldsymbol%7BX%7D_%7B2%7D%5E%7B%5Cprime%7D%5Cright%29%5E%7B%5Cprime%7D ，则在给定

equation?tex=%5Cboldsymbol%7BX%7D_%7B2%7D 的条件下，

equation?tex=%5Cboldsymbol%7BX%7D_%7B1%7D 的条件分布为

equation?tex=f%5Cleft%28%5Cboldsymbol%7Bx%7D_%7B1%7D+%5Cmid+%5Cboldsymbol%7Bx%7D_%7B2%7D%5Cright%29%3Df%5Cleft%28%5Cboldsymbol%7Bx%7D_%7B1%7D%2C+%5Cboldsymbol%7Bx%7D_%7B2%7D%5Cright%29+%2F+f_%7BX_%7B2%7D%7D%5Cleft%28%5Cboldsymbol%7Bx%7D_%7B2%7D%5Cright%29%5C%5C

5、相互独立联合密度等于边际密度的乘积

设

equation?tex=%5Cleft%28%5Cboldsymbol%7BX%7D_%7B1%7D%5E%7B%5Cprime%7D%2C+%5Cboldsymbol%7BX%7D_%7B2%7D%5E%7B%5Cprime%7D%5Cright%29%5E%7B%5Cprime%7D 的联合密度与各自的边际密度满足

equation?tex=f%5Cleft%28%5Cboldsymbol%7Bx%7D_%7B1%7D%2C+%5Cboldsymbol%7Bx%7D_%7B2%7D%5Cright%29%3Df_%7Bx_%7B1%7D%7D%5Cleft%28%5Cboldsymbol%7Bx%7D_%7B1%7D%5Cright%29+f_%7Bx_%7B2%7D%7D%5Cleft%28%5Cboldsymbol%7Bx%7D_%7B2%7D%5Cright%29%5C%5C 联合分布函数可分离

二、随机向量的数字特征

设

equation?tex=X%3D%5Cleft%28X_%7B1%7D%2C+%5Ccdots%2C+X_%7Bp%7D%5Cright%29%5E%7B%5Cprime%7D%2C+Y%3D%5Cleft%28Y_%7B1%7D%2C+%5Ccdots%2C+Y_%7Bq%7D%5Cright%29%5E%7B%5Cprime%7D 是两个随机向量

1、均值向量

equation?tex=E%28X%29%3D%5Cleft%5BE%5Cleft%28X_%7B1%7D%5Cright%29%2C+%5Ccdots%2C+E%5Cleft%28X_%7Bp%7D%5Cright%29%5Cright%5D%5E%7B%5Cprime%7D%3D%5Cleft%28%5Cmu_%7B1%7D%2C+%5Ccdots%2C+%5Cmu_%7Bp%7D%5Cright%29%5E%7B%5Cprime%7D%5C%5C

2、

equation?tex=X 的协方差阵

equation?tex=D%28X%29%3DE%5Cleft%5B%28X-E%28X%29%29%28X-E%28X%29%29%5E%7B%5Cprime%7D%5Cright%5D%3D%5Cleft%28%5Csigma_%7Bi+j%7D%5Cright%29_%7B%28p+%5Ctimes+p%29%7D+%5Cstackrel%7B%5Ctext+%7Bdef%7D%7D%7B%3D%7D+%5CSigma%5C%5C

3、

equation?tex=X 和

equation?tex=Y 的协方差阵

equation?tex=%5Coperatorname%7BCov%7D%28X%2C+Y%29%3DE%5Cleft%5B%28X-E%28X%29%29%28Y-E%28Y%29%29%5E%7B%5Cprime%7D%5Cright%5D%3D%5Cleft%28%5Csigma_%7Bi+j%7D%5Cright%29_%7B%28p+%5Ctimes+q%29%7D%5C%5C

如果

equation?tex=%5Coperatorname%7BCov%7D%28X%2C+Y%29%3D0 ，则称

equation?tex=X%2CY 不相关.

4、

equation?tex=X 的相关系数矩阵

最低0.47元/天解锁文章

weixin_39702479

关注

3
点赞
踩
7

收藏

觉得还不错? 一键收藏
0
评论
多元高斯分布是非参_多元统计分析第01讲--多元正态分布及参数估计（随机向量，多元正态分布定义，条件分布和独立性）...

第二章、多元正态分布及参数估计这一讲主要是给出概率论中若干概念向高维的推广2.1随机向量一、随机向量的联合分布、边缘分布和条件分布1、多元数据维随机向量：，其中每个都是随机变量随机矩阵：，其中每个都是维随机变量，它代表了维随机向量的个样本，其中每一行都是一个样本。回顾一下数理统计中的简单样本，这里的高维样本不过是将每个变成了一个维的向量.2、多元分布1、分布...
复制链接

扫一扫