当前位置：文档之家 › 应用多元统计分析课后答案 (2)

应用多元统计分析课后答案 (2)

  • 格式：doc
  • 大小：3.79 MB
  • 文档页数：25

下载文档原格式

  / 25

合集下载

应用多元统计分析课后习题答案详解北大高惠璇(第二章部分习题解答) (2).ppt

应用多元统计分析课后习题答案详解北大高惠璇(第二章部分习题解答) (2).ppt

4 3
u1u2
1
2
exp[
1 2
(2u12
u22
2u1u2 )]du1du2
1
2
u12
u1e 2
1
2
u2e
1 2
(
u2
u1
)
2
du2
du1
1
2
u12
u1e 2
1
2
(u2
u1
)e
1 2
(u2
u1
)
2
du2
u1
e
1 2
(
u2
u1
)
2
du2
du1
1
2
u e
2
u12 2
2
x12
22
x1
65
x12
14
x1
49)
1 2
(
x2
x1
7)2
e e dx2
2
1 e
1 2
(
x12
8
x1
16)
2
1
2
e dx
1 2
(
x2
x1
7
)
2
2
1 e
1 2
(
x1
4
)
2
2
X1 ~ N(4,1).
类似地有
f2 (x2 ) f (x1, x2 )dx1
1
e
1 4
(
x2
3)2
X
X X
(1) (2)
~
N
2
p
(1) (2)
,
1 2
2 1
,
其中μ(i) (i＝1，2)为p维向量,Σi (i＝1，2)为p阶矩阵，

应用多元统计分析课后习题答案详解北大高惠璇部分习题解答

应用多元统计分析课后习题答案详解北大高惠璇部分习题解答

2
x12
22
x1
65
x12
14
x1
49)
1 2
(
x2
x1
7)2
e e dx2
2
1 e
1 2
(
x12
8
x1
16)
2
1
2
e dx
1 2
(
x2
x1
7
)
2
2
1 e
1 2
(
x1
4
)
2
2
X1 ~ N(4,1).
类似地有
f2 (x2 ) f (x1, x2 )dx1
1
e
1 4
(
x2
3)2
因2x12
2x1x2
x22
(x1,
x2
)
2 1
11
x1 x2
,
而
2 1
11 11
1011
10 BB,
令y
y1 y2
11
1 0
x1 x2
x1
x2 x1
,
则2
x12
2x1x2
x22
y12
y22
(2)第二次配方.由于
xx12
y2 y1
y2
14
第二章 多元正态分布及参数的估计
2x12 x22 2x1x2 22x1 14x2 65
x22
2x1x2
22x1
14x2
65)
1 2 1 2
1
2
exp
1
212
2 2
(1
2
)
[
2 2
(
x1

应用多元统计分析课后习题答案高惠璇第二章部分习题解答学习资料

应用多元统计分析课后习题答案高惠璇第二章部分习题解答学习资料

1 2 [y ( 1 7 )2 (y 2 4 )2]
g(y1,y2)
设函数 g(y1, y2) 是随机向量Y的密度函数.
15
第二章 多元正态分布及参数的估计
(3) 随机向量
YYY12~N274,
I2
(4) 由于 XX X121011Y Y12CY
1 0 1 1 7 4 3 4 , 1 0 1 1 I2 1 0 1 1 1 1 2 1
e e d x e 2
2
1 2 (x 1 7 )2
9
第二章 多元正态分布及参数的估计
1 1 2(2x1 22x2 16 5 x1 2 1x4 14)91 2(x2x17)2
e e dx 2
2
2 1e 2 1 e dx 1 2(x1 28x1 1)6
1 2(x2x17)2 2
1(
1 e2
(22)(22)0
可得Σ的特征值 1 2 (1 )2 , 2 (1 ).
22
第二章 多元正态分布及参数的估计
λi (i=1,2)对应的特征向量为 1
1
l1
2 1 2
l1
2 1 2
由(1)可得椭圆方程为 2(1y 1 2)b22(1y 2 2)b21
其 b 2 中 2 la n ( 2 ) [ | |1 /2 ] 2 l2 n2 [ 1 2 a ]
解二:比较系数法 设 f(x 1,x2)2 1ex 1 2 p (2 x 1 2x2 2 2 x 1x2 2x 1 2 1x2 4 6) 5
2 1 2 11 2ex 2 p 1 2 2 2 1 (1 2)[2 2(x 1 1)2 2 1 2(x 1 1)x (2 2) 1 2(x2 2)2]

应用多元统计分析课后答案 .doc

应用多元统计分析课后答案 .doc

2.1.试叙述多元联合分布和边际分布之间的关系。

解：多元联合分布讨论多个随机变量联合到一起的概率分布状况，12(,,)p X X X X '=L 的联合分布密度函数是一个p 维的函数，而边际分布讨论是12(,,)p X X X X '=L 的子向量的概率分布，其概率密度函数的维数小于p 。

2.2设二维随机向量12()X X '服从二元正态分布，写出其联合分布。

解：设12()X X '的均值向量为()12μμ'=μ，协方差矩阵为21122212σσσσ⎛⎫ ⎪⎝⎭，则其联合分布密度函数为1/21222112112222122121()exp ()()2f σσσσσσσσ--⎧⎫⎛⎫⎛⎫⎪⎪'=---⎨⎬ ⎪⎪⎝⎭⎝⎭⎪⎪⎩⎭x x μx μ。

2.3已知随机向量12()X X '的联合密度函数为121212222[()()()()2()()](,)()()d c x a b a x c x a x c f x x b a d c --+-----=--其中1ax b ≤≤，2c x d ≤≤。

求（1）随机变量1X 和2X 的边缘密度函数、均值和方差； （2）随机变量1X 和2X 的协方差和相关系数；（3）判断1X 和2X 是否相互独立。

（1）解：随机变量1X 和2X 的边缘密度函数、均值和方差；112121222[()()()()2()()]()()()dx cd c x a b a x c x a x c f x dx b a d c --+-----=--⎰12212222222()()2[()()2()()]()()()()dd c c d c x a x b a x c x a x c dx b a d c b a d c -------=+----⎰ 121222202()()2[()2()]()()()()dd c c d c x a x b a t x a t dt b a d c b a d c ------=+----⎰ 2212122222()()[()2()]1()()()()d cdc d c x a x b a t x a t b a d c b a d c b a------=+=----- 所以 由于1X 服从均匀分布，则均值为2b a+，方差为()212b a -。

应用多元统计分析课后答案 (2)

应用多元统计分析课后答案 (2)

（1）解：随机变量 X1 和 X 2 的边缘密度函数、均值和方差；
'.
.
fx1 (x1)
d c
2[(d
c)( x1
a)
(b a)(x2 (b a)2 (d
c) c)2
2( x1
a)( x2
c)]
dx
d
2(d c)(x1 (b a)2 (d
a)x2 c)2
d c
2[(b
a)( x2 (b
差阵。）
2.6 渐近无偏性、有效性和一致性；
2.7 设总体服从正态分布， X ~ N p (μ, Σ) ，有样本 X1, X2 ,..., Xn 。由于 X 是相互独立的正
态分布随机向量之和，所以 X 也服从正态分布。又
E(X)
E
n
Xi
n
n
E Xi
n
n μ
nμ
i1
i1
i1
D(X) D n Xi i1
μ j
nj i1
Σ1 ( Xij
μj)
0(
j
1, 2,..., k)
解之，得
μˆ j
xj
1 nj
nj
xij ， Σˆ
i 1
k nj
xij x j
j1 i1
xij x j
n1 n2 ... nk
第三章
3.1 试述多元统计分析中的各种均值向量和协差阵检验的基本思想和步骤。 其基本思想和步骤均可归纳为： 答：
i 1
i 1
n
(Xi - μ)(Xi - μ) 2n(X μ)(X μ) n(X μ)(X μ) i 1
n
(Xi - μ)(Xi - μ) n(X μ)(X μ) i 1

应用多元统计分析课后习题答案详解北大高惠璇部分习题解答课件

应用多元统计分析课后习题答案详解北大高惠璇部分习题解答课件

则
W X X X X ( ( 1 2 ) ) X X ( ( 1 1 ) ) X X ( ( 1 2 ) ) X X ( (2 2 ) ) W W 1 21 1 W W 1 2 2 2 , 即
W 1 1 X ( 1 ) X ( 1 )W ,2 2 X ( 2 ) X ( 2 )
性质4 分块Wishart矩阵的分布:设X(α) ～ Np(0,Σ) (α
＝1,…,n)相互独立，其中
又已知随机矩阵
1211
12 r 22pr
W n 1X ()X ( ) W W 1 21 1W W 1 2 2 2p r r~ W p(n , )
因 X H ~ 0 下 N p(0 ,1 n 0 ),n (X 0 )H ~ 0 下 N p(0 , 0 )
所以由§3“一﹑2.的结论1”可知
2ln~2(p).
20
第三章 多元正态总体参数的检验
3-6 (均值向量各分量间结构关系的检验) 设总体
X～Np(μ ,Σ )(Σ ＞0),X(α) (α ＝1,…,n)(n＞p)为 来自p维正态总体X的样本，记μ ＝(μ 1,…,μ p)′.C 为k×p常数(k<p),rank(C)=k,r为已知k维向量.试给出 检验H0:Cμ ＝r的检验统计量及分布.
6
第三章 多元正态总体参数的检验
证明 记rk(A)=r.
若r=n,由AB＝O,知B＝ On×n,于是 X′AX与X′BX
若r=0时,则A＝0,则两个二次型也是独 立的. 以下设0＜r＜n.因A为n阶对称阵,存在正 交阵Γ,使得
7
第三章 多元正态总体参数的检验
其中λi≠0为A的特征值(i=1,…,r).于是

应用多元统计分析课后习题答案高惠璇(第二章部分习题解答

应用多元统计分析课后习题答案高惠璇(第二章部分习题解答

2
x12
22
x1
65
x12
14
x1
49)
1 2
(
x2
x1
7)2
e e dx2
2
1 e
1 2
(
x12
8
x1
16)
2
1
2
e dx
1 2
(
x2
x1
7
)
2
2
1 e
1 2
(
x1
4
)
2
2
X1 ~ N(4,1).
类似地有
f2 (x2 ) f (x1, x2 )dx1
1
e
1 4
(
x2
3)2
注意:由D(X)≥0,可知 (Σ1-Σ2) ≥0.
8
第二章 多元正态分布及参数的估计
2-11 已知X=(X1,X2)′的密度函数为
f
( x1 ,
x2 )
1
2
exp
1 2
(2 x12
x22
2 x1 x2
22 x1
14 x2
65)
试求X的均值和协方差阵.
解一:求边缘分布及Cov(X1,X2)=σ12
应用多元统计分析
第二章部分习题解答
第二章 多元正态分布及参数的估计
2-1 设3维随机向量X～N3(μ,2I3)，已知
002,
A
0.5 0.5
1 0
00.5.5, d 12.
试求Y=AX+d的分布.
解:利用性质2,即得二维随机向量Y~N2(y,y),
其中：
2
第二章 多元正态分布及参数的估计
2-2 设X=(X1,X2)′～N2(μ,Σ)，其中

应用多元统计分析_课后答案

应用多元统计分析_课后答案

图 2.1
Descriptives 对话框
2.
单击 Options 按钮，打开 Options 子对话框。在对话框中选择 Mean 复选框，即计 算样本均值向量，如图 2.2 所示。单击 Continue 按钮返回主对话框。
图 2.2 Options 子对话框 3. 单击 OK 按钮，执行操作。则在结果输出窗口中给出样本均值向量，如表 2.1，即 样本均值向量为（35.3333，12.3333，17.1667，1.5250E2） 。
2.5 解： 依据题意，X= 57000 40200 21450 21900 45000 28350
′
15 16 12 8 15 8
27000 18750 12000 13200 21000 12000
144 36 381 190 138 26
′ E(X)= ∑6 α=1 x(α) = (35650,12.33,17325,152.5) n σ1 σ2 ρ2 (x1 −μ1 )2 σ2 1
+
σ2 1
(x2 −μ2 )2 σ2 2 )2
= = [
(x1 −μ1 )2 σ2 1 ρ(x1 −μ1 ) σ1
− −
2ρ(x1 −μ1 )(x2 −μ2 ) σ1 σ2 (x2 −μ2 ) 2 ] σ2
+
E( X ) μ
n→∞
lim E(
1 1 ������） = lim E( ������） = Σ n→∞ ������ n−1
2.7 试证多元正态总体 的样本均值向量 ̅) = E ( ΣX 证明： E(������ （α） ) = E (ΣX （α） ) =
n n 1 1 nμ n 1 n2
exp[−

应用多元统计分析课后习题答案高惠璇第二章部分习题解答

应用多元统计分析课后习题答案高惠璇第二章部分习题解答

22 14
12
2 2
22
2 1
21 212
65
2
4211
22 22
22 14
12
4 3
13
第二章 多元正态分布及参数的估计
故X=(X1,X2)′为二元正态随机向量.且
E(
X
)
4 3
,
D(
X
)
1 1
21
解三:两次配方法
(1)第一次配方: 2x12 2x1x2 x22 (x1 x2 )2 x12
2
]
g( y1, y2 )
设函数 g( y1, y2 ) 是随机向量Y的密度函数.
15
第二章 多元正态分布及参数的估计
(3) 随机向量
Y
YY12
~
N2
7 4
,
I2
(4) 由于
X
X X
1 2
0 1
11
Y1 Y2
CY
0 1
11 74
34
,
0 1
11
I
2
0 1
11
1 1
2 2
X 2 ~ N (3,2).
10
第二章 多元正态分布及参数的估计
12 Cov( X1, X 2 ) E[( X1 E( X1))( X 2 E( X 2 )]
E[( X1 4)( X 2 3)]
(x1 4)(x2 3) f (x1, x2 )dx1dx2
令uu21
x1 x2
19
第二章 多元正态分布及参数的估计
2-17 设X～Np(μ,Σ),Σ＞0,X的密度函数记为 f(x;μ,Σ).(1)任给a＞0,试证明概率密度等高面

应用多元统计分析课后答案

应用多元统计分析课后答案
-0.66
-4454.39
-62.75
9
3.41
0.04
0.2
67.86
98.51
1.25
-11.25
-11.43
10
1.16
0.01
0.54
43.7
100
1.03
-87.18
-7.41
11
30.22
0.16
0.4
87.36
94.88
0.53
729.41
-9.97
12
8.19
0.22
0.38
30.31
应用多元统计分析课后答案
第五章聚类分析
5.1判别分析和聚类分析有何区别？
答：即根据一定的判别准则，判定一个样本归属于哪一类。具体而言，设有n个样本，对每个样本测得p项指标（变量）的数据，已知每个样本属于k个类别（或总体）中的某一类，通过找出一个最优的划分，使得不同类别的样本尽可能地区别开，并判别该样本属于哪个总体。聚类分析是分析如何对样品（或变量）进行量化分类的问题。在聚类之前，我们并不知道总体，而是通过一次次的聚类，使相近的样品（或变量）聚合形成总体。通俗来讲，判别分析是在已知有多少类及是什么类的情况下进行分类，而聚类分析是在不知道类的情况下进行分类。
有序聚类就是解决样品的次序不能变动时的聚类分析问题。如果用 表示 个有序的样品，则每一类必须是这样的形式，即 ，其中 且 ，简记为 。在同一类中的样品是次序相邻的。一般的步骤是（1）计算直径{D（i,j）}。（2）计算最小分类损失函数{L[p(l,k)]}。(3)确定分类个数k。（4）最优分类。
5.7检测某类产品的重量，抽了六个样品，每个样品只测了一个指标，分别为1，2，3，6，9，11.试用最短距离法，重心法进行聚类分析。

应用多元统计分析课后习题解答详解北大高惠璇(第二章部分习题解答)

应用多元统计分析课后习题解答详解北大高惠璇(第二章部分习题解答)

2 2
X 2 ~ N (3,2).
10
第二章 多元正态分布及参数的估计
12 Cov( X1, X 2 ) E[( X1 E( X1))( X 2 E( X 2 )]
E[( X1 4)( X 2 3)]
(x1 4)(x2 3) f (x1, x2 )dx1dx2
令uu21
x1 x2
X
X X
(1) (2)
~
N2 p
(1) (2)
,
1 2
2 1
,
其中μ(i) (i＝1，2)为p维向量,Σi (i＝1，2)为p阶矩阵，
(1) 试证明X(1) +X(2)和X(1) -X(2) 相互独立.
(2) 试求X(1) +X(2) 和X(1) -X(2) 的分布.
解 :(1) 令
Y
2
x12
22
x1
65
x12
14
x1
49)
1 2
(
x2
x1
7)2
e e dx2
2
1 e
1 2
(
x12
8
x1
16)
2
1
2
e dx
1 2
(
x2
x1
7
)
2
2
1 e
1 2
(
x1
4
)
2
2
X1 ~ N(4,1).
类似地有
f2 (x2 ) f (x1, x2 )dx1
1
e
1 4
(
x2
3)2
4
第二章 多元正态分布及参数的估计
(2) 因
Y
X1 X1

应用多元统计分析课后答案朱建平版

应用多元统计分析课后答案朱建平版

2 2
1
(x
μ)
。
2.3 已知随机向量 ( X1 X 2 ) 的联合密度函数为
f
( x1 ,
x2 )
2[(d
c)( x1
a)
(b a)(x2 (b a)2 (d
c) c)2
2( x1
a)(x2
c)]
其中 a x1 b ， c x2 d 。求 （1）随机变量 X1 和 X 2 的边缘密度函数、均值和方差； （2）随机变量 X1 和 X 2 的协方差和相关系数； （3）判断 X1 和 X 2 是否相互独立。
当 2 已知
z (X 0 ) n
当 2 未知
t (X 0) n S
（ S 2
1 n 1
n i 1
(Xi
n1
S jj ~ Wp (n 1, ) j 1
2.10.设 X i (ni p) 是来自 N p (μi , Σi ) 的简单随机样本， i 1, 2,3, , k ，
（1）已知 μ1 μ2 ... μk μ 且 Σ1 Σ2 ... Σk Σ ，求 μ 和 Σ 的估计。
（2）已知 Σ1 Σ2 ... Σk Σ 求 μ1, μ2 ,...,, μk 和 Σ 的估计。
i 1
ln
L(μ, Σ)
1 2
pn ln(2 )
n 2
ln
Σ
1 2
k a 1
na i 1
(xia
- μa )Σ-1(xia
-μa )
ln L(μ, Σ) n Σ1 1 k
Σ
2
2 a1
na
(Xia μa )(Xia μa )
i 1
Σ1
2
0
ln L(μ j , Σ)

应用多元统计分析课后习题答案详解北大高惠璇(第二章部分习题解答) (2).ppt

应用多元统计分析课后习题答案详解北大高惠璇(第二章部分习题解答) (2).ppt

y12 y22 22y2 14( y1 y2 ) 65
y12 14y1 49 y22 8y2 16
( y1 7)2 ( y2 4)2
2即1 e 21 e
1 2
(
2
x12
x22
2
x1x2
22
x1
14
x2
65)
x1 x2
y2 y1
y2
1[( 2
y1
7)2
(
y2
4)2
X X
(1) (1)
X X
(2) (2)
I I
p p
Ip I
p
X X
(1) (2)
CX
6
第二章 多元正态分布及参数的估计
则 Y ~ N2 p (C,CC)
因D(Y
)
CD(
X
)C
I I
p p
Ip I
p
1 2
2 1
I I
p p
Ip I
p
1 1
2 2
1 2
2 1
I I
p p
Ip I
p
2(1 O
22 14
12
2 2
22
2 1
21 212
65
2
4211
22 22
22 14
12
4 3
13
第二章 多元正态分布及参数的估计
故X=(X1,X2)′为二元正态随机向量.且
E(
X
)
34
,
D(
X
)
1 1
21
解三:两次配方法
(1)第一次配方: 2x12 2x1x2 x22 (x1 x2 )2 x12

应用多元统计分析课后答案_暴强整理

应用多元统计分析课后答案_暴强整理

第二章2.1 试述多元联合分布和边缘分布之间的关系。

设X =(X 1,X 2，⋯X p )′是p 维随机向量，称由它的q （<p ）个分量组成的子向量X(i)=(X i1,X i2，⋯X iq )′的分布为X 的边缘分布，相对地把X 的分布称为联合分布。

当X 的分布函数为F (x 1,x 2，⋯x p )时，X (1)的分布函数即边缘分布函数为F (x 1,x 2，⋯x p )=P(X 1≤x 1,⋯X q ≤x q ,X q+1≤∞,⋯X p ≤∞) = F (x 1,x 2，⋯x q ,∞,⋯∞)当X 有分布密度f （x 1,x 2，⋯x p ）则X (1)也有分布密度，即边缘密度函数为：f （x 1,x 2，⋯x q ）=∫⋯+∞−∞∫f （x 1,x 2，⋯x p ）dx q+1⋯d +∞−∞x p 2.2 设随机向量X =(X 1,X 2)′服从二元正态分布，写出其联合分布密度函数和X 1,X 2各自的边缘密度函数。

联合分布密度函数12πσ1σ2(1−ρ2)1/2exp{−12(1−ρ2)[(x 1−μ1)2σ12−2ρ(x 1−μ1)(x 2−μ2)σ1σ2+f (x 1,x 2)=(x 2−μ2)2σ22]} ， x 1>0,x 2>00 , 其他(x 1−μ1)2σ12−2ρ(x 1−μ1)(x 2−μ2)σ1σ2+(x 2−μ2)2σ22=(x 1−μ1)2σ12−2ρ(x 1−μ1)(x 2−μ2)σ1σ2+(x 2−μ2)2σ22+ρ2(x 1−μ1)2σ12−ρ2(x 1−μ1)2σ12=[ρ(x 1−μ1)σ1−(x 2−μ2)σ2]2+（1−ρ2）(x 1−μ1)2σ12所以指数部分变为−12{[11√1−ρ2σ1−22√1−ρ2σ2]2+(x 1−μ1)2σ12}令t=22√1−ρ2σ2−11√1−ρ2σ1 ∴dt =√1−ρ2σ22∴f (x 1)=∫f (x 1,x 2)+∞−∞dx 2=12πσ1σ2(1−ρ2)1/2exp{−(x 1−μ1)22σ12∫exp(+∞−∞−12t 2√1−ρ22dt =√2πσexp[−(x 1−μ1)22σ12] √2πσexp[−(x 1−μ1)22σ12] ， x 1>0f (x 1)=0 ，其他 同理， √2πσ2exp[−(x 2−μ2)22σ22] ， x 2>0f (x 2)=0 ，其他2.3 已知随机向量X =(X 1,X 2)′的联合分布密度函数为f (x 1,x 2)=2[(d−c )(x 1−a )+(b−a )(x 2−c )−2(x 1−a)(x 2−c)(b−a)2(d−c)2,其中,a ≤x 1≤b,c ≤x 2≤d 。

应用多元统计分析课后答案-朱建平版

应用多元统计分析课后答案-朱建平版
距离是欧几里得距离的推广。 4.2 试述判别分析的实质。 答：判别分析就是希望利用已经测得的变量数据，找出一种判别函数， 使得这一函数具有某种最优性质，能把属于不同类别的样本点尽可能地 区别开来。设R1，R2，…，Rk是p维空间R p的k个子集，如果它们互不 相交，且它们的和集为
，则称
为
的一个划分。判别分析问题实质上就是在某种意义上，以最优的性质对 p维空间
0 10 210 543 0 876 30 10 9 8 5 2 0 由上表易知
中最小元素是 于是将
， ， 聚为一类，记为 计算距离阵
0 30 63 0 85 2 0
中最小元素是 =2 于是将 ， 聚为一类，记为 计算样本距离阵
0 30 63 0
中最小元素是 于是将 ， 聚为一类，记为 因此，
不同做出具体分折。实际中，聚类分析前不妨试探性地多选择几个距离 公式分别进行聚类，然后对聚类分析的结果进行对比分析，以确定最合 适的距离测度方法。 5.5试述K均值法与系统聚类法的异同。 答：相同：K—均值法和系统聚类法一样，都是以距离的远近亲疏为标 准进行聚类的。
不同：系统聚类对不同的类数产生一系列的聚类结果，而K—均值 法只能产生指定类数的聚类结果。
0
16 0
64 16 0
中最小元素是
于是将
，
聚为一类，记为
因此，
第六章 6.1 试述主成分分析的基本思想。 答：我们处理的问题多是多指标变量问题，由于多个变量之间往往存在 着一定程度的相关性，人们希望能通过线性组合的方式从这些指标中尽 可能快的提取信息。当第一个组合不能提取更多信息时，再考虑第二个 线性组合。继续这个过程，直到提取的信息与原指标差不多时为止。这 就是主成分分析的基本思想。 6.2 主成分分析的作用体现在何处？ 答：一般说来，在主成分分析适用的场合，用较少的主成分就可以得到

应用多元统计分析课后答案暴强整理

应用多元统计分析课后答案暴强整理

第二章2.1 试述多元联合分布和边缘分布之间的关系。

设X =(X 1,X 2，⋯X p )′是p 维随机向量，称由它的q 〔<p 〕个分量组成的子向量X(i)=(X i1,X i2，⋯X iq )′的分布为X 的边缘分布，相对地把X 的分布称为联合分布。

当X 的分布函数为F (x 1,x 2，⋯x p )时，X (1)的分布函数即边缘分布函数为F (x 1,x 2，⋯x p )=P(X 1≤x 1,⋯X q ≤x q ,X q+1≤∞,⋯X p ≤∞) = F (x 1,x 2，⋯x q ,∞,⋯∞)当X 有分布密度f 〔x 1,x 2，⋯x p 〕那么X (1)也有分布密度，即边缘密度函数为：f 〔x 1,x 2，⋯x q 〕=∫⋯+∞−∞∫f （x 1,x 2，⋯x p ）dx q+1⋯d +∞−∞x p2.2 设随机向量X =(X 1,X 2)′服从二元正态分布，写出其联合分布密度函数和X 1,X 2各自的边缘密度函数。

联合分布密度函数12πσ1σ2(1−ρ2)1/2exp{−12(1−ρ2)[(x 1−μ1)2σ12−2ρ(x 1−μ1)(x 2−μ2)σ1σ2+f (x 1,x 2)=(x 2−μ2)2σ22]} ， x 1>0,x 2>00 , 其他(x 1−μ1)2σ12−2ρ(x 1−μ1)(x 2−μ2)σ1σ2+(x 2−μ2)2σ22=(x 1−μ1)2σ12−2ρ(x 1−μ1)(x 2−μ2)σ1σ2+(x 2−μ2)2σ22+ρ2(x 1−μ1)2σ12−ρ2(x 1−μ1)2σ12=[ρ(x 1−μ1)σ1−(x 2−μ2)σ2]2+（1−ρ2）(x 1−μ1)2σ12所以指数局部变为−12{[11√1−ρ2σ1−22√1−ρ2σ2]2+(x 1−μ1)2σ12}令t=22√1−ρ2σ2−11√1−ρ2σ1 ∴dt =√1−ρ2σ22∴f (x 1)=∫f (x 1,x 2)+∞−∞dx 2=12πσ1σ2(1−ρ2)1/2exp{−(x 1−μ1)22σ12∫exp(+∞−∞−12t 2√1−ρ22dt =√2πσexp[−(x 1−μ1)22σ12] √2πσexp[−(x 1−μ1)22σ12] ， x 1>0f (x 1)=0 ，其他 同理， √2πσ2exp[−(x 2−μ2)22σ22] ， x 2>0f (x 2)=0 ，其他2.3 随机向量X =(X 1,X 2)′的联合分布密度函数为f (x 1,x 2)=2[(d−c )(x 1−a )+(b−a )(x 2−c )−2(x 1−a)(x 2−c)(b−a)2(d−c)2,其中,a ≤x 1≤b,c ≤x 2≤d 。

多元统计分析 课后部分习题答案 第二章

多元统计分析 课后部分习题答案 第二章
2 1
1 1 2 2 u1u2 exp[ (2u1 u2 2u1u2 )]du1du2 2u 2 1


1 2

u1e

2 u1 2

2
( u 2 u1 ) 2 1 2 u2e du2 du1 2
1 2


u e
1
1 1 2 1 1 1 因ΣY CC 1 1 1 1 1 0 2 1 1 1 1 2 2(1 ) 1 1 0 2(1 ) 1 1
由定理2.3.1可知X1 +X2 和X1 - X2相互独立.
4
第二章
(2) 因
多元正态分布及参数的估计
1 2 2 2(1 ) 0 X1 X 2 Y ~ N 2 , 0 2(1 ) 2 X1 X 2 1
10
第二章
多元正态分布及参数的估计
u1 x1 4 令 u 2 x2 3
12 Cov( X 1 , X 2 ) E[( X 1 E ( X 1 ))( X 2 E ( X 2 )]
E[( X 1 4)( X 2 3)] ( x1 4)( x2 3) f ( x1 , x2 ) dx1dx2
3 解三:两次配方法
2 1 2 2
(1)第一次配方 : 2 x12 2 x1 x2 x22 ( x1 x2 ) 2 x12 2 1 x1 2 1 1 1 1 1 因2 x 2 x1 x2 x ( x1 , x2 ) x , 而 1 1 1 0 1 0 BB, 1 1 2 y1 1 1 x1 x1 x2 令y , 则2 x12 2 x1 x2 x22 y12 y22 y2 1 0 x2 x1

应用多元统计分析课后答案

应用多元统计分析课后答案

第二章2.1.试叙述多元联合分布和边际分布之间的关系。

解：多元联合分布讨论多个随机变量联合到一起的概率分布状况，12(,,)p X X X X '=的联合分布密度函数是一个p 维的函数，而边际分布讨论是12(,,)p X X X X '=的子向量的概率分布，其概率密度函数的维数小于p 。

2.2设二维随机向量12()X X '服从二元正态分布，写出其联合分布。

解：设12()X X '的均值向量为()12μμ'=μ，协方差矩阵为21122212σσσσ⎛⎫ ⎪⎝⎭，则其联合分布密度函数为1/21222112112222122121()exp ()()2f σσσσσσσσ--⎧⎫⎛⎫⎛⎫⎪⎪'=---⎨⎬ ⎪⎪⎝⎭⎝⎭⎪⎪⎩⎭x x μx μ。

2.3已知随机向量12()X X '的联合密度函数为121212222[()()()()2()()](,)()()d c x a b a x c x a x c f x x b a d c --+-----=--其中1a x b ≤≤，2c x d ≤≤。

求（1）随机变量1X 和2X 的边缘密度函数、均值和方差； （2）随机变量1X 和2X 的协方差和相关系数； （3）判断1X 和2X 是否相互独立。

（1）解：随机变量1X 和2X 的边缘密度函数、均值和方差；112121222[()()()()2()()]()()()dx cd c x a b a x c x a x c f x dx b a d c --+-----=--⎰12212222222()()2[()()2()()]()()()()dd cc d c x a x b a x c x a x c dx b a d c b a d c -------=+----⎰ 12122222()()2[()2()]()()()()dd cc d c x a x b a t x a t dt b a d c b a d c ------=+----⎰2212122222()()[()2()]1()()()()d cdcd c x a x b a t x a t b a d c b a d c b a------=+=----- 所以由于1X 服从均匀分布，则均值为2b a +，方差为()212b a -。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

2.1.试叙述多元联合分布和边际分布之间的关系。

解：多元联合分布讨论多个随机变量联合到一起的概率分布状况，12(,,)p X X X X '=L 的联合分布密度函数是一个p 维的函数，而边际分布讨论是12(,,)p X X X X '=L 的子向量的概率分布，其概率密度函数的维数小于p 。

2.2设二维随机向量12()X X '服从二元正态分布，写出其联合分布。

解：设12()X X '的均值向量为()12μμ'=μ，协方差矩阵为21122212σσσσ⎛⎫ ⎪⎝⎭，则其联合分布密度函数为1/21222112112222122121()exp ()()2f σσσσσσσσ--⎧⎫⎛⎫⎛⎫⎪⎪'=---⎨⎬ ⎪⎪⎝⎭⎝⎭⎪⎪⎩⎭x x μx μ。

2.3已知随机向量12()X X '的联合密度函数为121212222[()()()()2()()](,)()()d c x a b a x c x a x c f x x b a d c --+-----=--其中1ax b ≤≤，2c x d ≤≤。

求（1）随机变量1X 和2X 的边缘密度函数、均值和方差； （2）随机变量1X 和2X 的协方差和相关系数；（3）判断1X 和2X 是否相互独立。

（1）解：随机变量1X 和2X 的边缘密度函数、均值和方差；112121222[()()()()2()()]()()()dx cd c x a b a x c x a x c f x dx b a d c --+-----=--⎰12212222222()()2[()()2()()]()()()()dd c c d c x a x b a x c x a x c dx b a d c b a d c -------=+----⎰ 121222202()()2[()2()]()()()()dd c c d c x a x b a t x a t dt b a d c b a d c ------=+----⎰ 2212122222()()[()2()]1()()()()d cdc d c x a x b a t x a t b a d c b a d c b a------=+=----- 所以 由于1X 服从均匀分布，则均值为2b a+，方差为()212b a -。

同理，由于2X 服从均匀分布[]2121,()0x x c d f x d c⎧∈⎪=-⎨⎪⎩其它，则均值为2d c+，方差为()212d c -。

（2）解：随机变量1X 和2X 的协方差和相关系数；12cov(,)x x12121212222[()()()()2()()]22()()dbca d c x ab a xc x a x c a bd c x x dx dx b a d c --+-----++⎛⎫⎛⎫=-- ⎪⎪--⎝⎭⎝⎭⎰⎰()()36c d b a --=1212cov(,)13x xx x ρσσ==（3）解：判断1X 和2X 是否相互独立。

1X 和2X 由于121212(,)()()x x f x x f x f x ≠，所以不独立。

2.4设12(,,)p X X X X '=L 服从正态分布，已知其协方差矩阵∑为对角阵，证明其分量是相互独立的随机变量。

解： 因为12(,,)p X X X X '=L 的密度函数为1/2111(,...,)exp ()()2pp f x x --⎧⎫'=---⎨⎬⎩⎭Σx μΣx μ 又由于21222p σσσ⎛⎫⎪ ⎪= ⎪ ⎪ ⎪⎝⎭ΣO 22212pσσσ=ΣL212122111p σσσ-⎛⎫ ⎪ ⎪ ⎪ ⎪=⎪ ⎪ ⎪ ⎪ ⎪⎝⎭ΣO则1(,...,)p f x x211/2222212122111exp ()()21pp p σσσσσσ--⎧⎫⎛⎫⎪⎪ ⎪⎪⎪ ⎪⎪⎪ ⎪⎪⎪ ⎪'==--=-⎨⎬ ⎪⎪⎪⎪⎪⎪ ⎪⎪⎪ ⎪⎪⎪⎪⎝⎭⎩⎭Σx μΣx μL O()222123111222212()()()111exp ...222p p p p p x x x μμμσσσσσσ-⎧⎫---⎪⎪=----⎨⎬⎪⎪⎩⎭L2121()()...()2pi i p i i x f x f x μσ=⎧⎫-=-=⎨⎬⎩⎭ 则其分量是相互独立。

2.6 渐近无偏性、有效性和一致性； 2.7 设总体服从正态分布，~(,)p N XμΣ，有样本12,,...,n X X X 。

由于X 是相互独立的正态分布随机向量之和，所以X 也服从正态分布。

又()111()n nni i i i i E E n E n n ===⎛⎫==== ⎪⎝⎭∑∑∑X X X μμ()2211111()n nn i i i i i D D n D n n n ===⎛⎫==== ⎪⎝⎭∑∑∑ΣX X X Σ 所以~(,)p N X μΣ。

2.8 方法1：11ˆ()()1n i i i n ='=---∑ΣX X X X 111ni i i n n =''=--∑X X XX11ˆ()()1ni i i E E n n =''=--∑ΣX X XX ()()111n i i i E nE n =⎡⎤''=-⎢⎥-⎣⎦∑X X XX 111(1)11n i n n n n n =⎡⎤=-=-=⎢⎥--⎣⎦∑ΣΣΣΣ。

方法2：1()n i i i ='=∑SX -X)(X -X 1((ni i i ='⎡⎤⎡⎤=----⎣⎦⎣⎦∑X -μX μ)X -μX μ)11()()2()()()nni i i i i n =='''=-+--∑∑X -μX -μX -μX -μX μ)(X μX μ1()()2()()ni i i n n ='''=---+--∑X -μX -μX μ)(X μX μ)(X μ1()()()ni i i n =''=---∑X -μX -μX μ)(X μ11()()()()11n i i i E E n n n =⎛⎫''=--- ⎪--⎝⎭∑S X -μX -μX μ)(X μ 11()()()1n i i i E nE n =⎛⎫''=---= ⎪-⎝⎭∑X -μX -μX μ)(X μΣ。

故1n -S 为Σ的无偏估计。

2.9.设(1)(2)()n X ,X ,...,X 是从多元正态分布~(,)p N XμΣ抽出的一个简单随机样本，试求S 的分布。

证明：设******()***ij γ⎛⎫ ⎪⎪==⎪ ⎪ΓL LL L 为一正交矩阵，即'=ΓΓI 。

令()'12n 12n Ζ=(ΖΖΖ)=X X X ΓLL ，(1,2,3,4,),i n =i X ΓL 由于独立同正态分布且为正交矩阵所以12()n 'Z =Z Z Z L 独立同正态分布。

且有1()()(1,2,3,,1)naaj j j E E r an ===-∑ΖΧL1najj ==r 10najnj i r r ='==∑ 1()()na aj j j Var Var r ==∑ΖΧ()2211n naj j aj j j r Var r =====∑∑ΧΣΣ所以121n -ΖΖΖL独立同(0,)N Σ分布。

又因为1()()nj j ='=--∑i S X X X X1nj j j n =''=-∑X X XX因为11n n i i n n i i n n =='⎫''==⎪⎭XX X X Z Z 又因为()⎪⎪⎪⎪⎪⎭⎫ ⎝⎛'''='∑=n n nj jjX X X X X XX X M Λ21211()'⎛⎫ ⎪' ⎪'= ⎪ ⎪ ⎪'⎝⎭1212n n X X X X X ΓΓX LM ()'⎛⎫ ⎪' ⎪= ⎪ ⎪ ⎪'⎝⎭1212n n Z Z Z Z Z Z LM 所以原式nnnj jjnnnj jjZ Z Z Z Z Z X X '-'='-'∑∑==111122...n n ''''=+++n n Z Z Z Z Z Z -ΖΖ故11n j jj -='=Z Z ∑S，由于121,,,n Z Z Z -L 独立同正态分布(0,)p N Σ，所以11~(1,)n j j p j W n -='=Z Z -∑∑S2.10.设()i i X n p ⨯是来自(,)p i i N μΣ的简单随机样本，1,2,3,,i k =L ，（1）已知2...k ====1μμμμ且2...k ====1ΣΣΣΣ，求μ和Σ的估计。

（2）已知2...k ====1ΣΣΣΣ求2,,...,,k 1μμμ和Σ的估计。

解：（1）11121ˆ...an k a ia i kn n n ====+++∑∑μx x，()()1112ˆ...an k aa ii a i kn n n =='--=+++∑∑xx x x Σ(2)1ln (,,,)k L μμΣL 2111ln ()exp[]2a n k n paa i a i a a i 2π-=='⎡⎤=-⎣⎦∑∑-1Σ(x -μ)Σ(x -μ)1111ln ()ln()ln 222a n k aa i a i a a i n L pn 2π=='=---∑∑-1μ,ΣΣ(x -μ)Σ(x -μ)()21111ln (,)1()()022an k a a i a i a a i L n --==∂'=-+--=∂∑∑μΣΣX μX μΣΣ11ln (,)()0(1,2,...,)jn j ij j i jL j k -=∂=-==∂∑μΣΣX μμ 解之，得11ˆjn j j iji jn ===∑μx x，()()1112ˆ...jn kj j j i kn n n =='--=+++∑∑ijij xx x x Σ第三章3.1 试述多元统计分析中的各种均值向量和协差阵检验的基本思想和步骤。

其基本思想和步骤均可归纳为：第一，提出待检验的假设和H1；第二，给出检验的统计量及其服从的分布；第三，给定检验水平，查统计量的分布表，确定相应的临界 值，从而得到否定域；第四，根据样本观测值计算出统计量的值，看是否落入否定域中，以便对待判假设做出决策（拒绝或接受）。