下载文档原格式
多元正态分布的性质正态分布是统计分析中最重要的概率分布之一，它能够帮助我们更好地理解数据的特性，也可以帮助我们做出更好的决策。
多元正态分布可以用来描述一组随机变量之间的关系，在许多计量方法和定量分析中，它被广泛应用。
本文尝试回答以下三个问题：一是什么是多元正态分布？二是多元正态分布的性质是什么？三是多元正态分布如何使用？首先，什么是多元正态分布？多元正态分布是指一个有两个或多个变量的正态分布，可以用来描述一组随机变量之间的关系，可以用来解释一个变量的分布特征。
与单变量正态分布不同的是，多元正态分布的特征取决于对角矩阵中的参数，即协方差矩阵或协方差矩阵。
与单变量正态分布不同，多元正态分布是以向量形式定义的，但可以使用同样的统计分析理论来描述多变量正态分布的性质，例如期望和方差。
其次，多元正态分布的性质是什么？多元正态分布存在着许多性质，根据多元数学理论可以列举出以下性质：1.元正态分布的期望向量表示为 m = (m_1,m_2,...,m_n)，这里的m_i表示每个随机变量的期望值；2.元正态分布的协方差矩阵S表示为：S=［s_ij］，sij表示第i 个和第j个随机变量之间的协方差；3.元正态分布的方差向量表示为：var=(var_1,var_2,...,var_n),其中var_i表示第i个随机变量的方差；4.元正态分布的对称性，即对于n个随机变量X_1,X_2,...,X_n 及其期望向量m和协方差矩阵S，当存在变换矩阵A，使得AX=y有解，则有：E(X) = mvar(X) = S5.元正态分布的共轭性，即如果X_1,X_2,...,X_n是一组多元正态分布随机变量，则任意一组X_1X_2...,X_n也是多元正态分布随机变量，且具有相同的期望向量m和协方差矩阵S。
最后，多元正态分布怎么使用？多元正态分布的使用是建立在统计分析的基础之上的。
在使用多元正态分布时，可以根据观测数据来估计期望向量m和协方差矩阵S。
第2章 多元正态分布多元正态分析是一元正态分布向多元的自然推广。
多元正态分布是多元分析的基础，多元分析的许多理论都是建立在多元正态总体基础上的。
虽然实际的数据不一定恰好是多元正态的，但是正态分布常常是真实的总体分布的一种有效的近似。
所以研究多元正态分布在理论上或实际上都有重大意义。
限于篇幅，本章仅简介多元正态简单理论，细节可参看王学民（2004），张尧庭（2002），余锦华（2005），Richard （2003），朱道元（1999）等。
现实世界的许多问题都可以纳入正态理论的范围内，正态分布可以作为许多统计量的近似的抽样分布。
2.1随机向量2.1.1随机向量定义2.1.1：称每个分量都是随机变量的向量为随机向量。
类似地，所有元素都是随机变量的矩阵称为随机矩阵。
设()1,,p X X X '= 是1p ⨯随机向量，其概率分布函数定义为：(){}111,,,,p p p F x x P X x X x =≤≤ ，1,,p x x 为任意实数多元分布函数()1,,p F x x 有如下性质： （1）()10,,1p F x x ≤≤ ；（2）()1,,p F x x 是每个变量,1,2,,i x i p = 的非降右连续函数； （3）(),,1F ∞∞= ；（4）()()()211,,,,,,,0p p F x x F x x F x -∞=-∞==-∞= 。
多元分布和一元分布一样也分为离散型和连续型。
连续型随机向量()1,,pX X X '= 的分布函数可以表示为 ： ()()1111,,,,px x p p p F x x f t t dt dt -∞-∞=⎰⎰，()1,,pp x x R ∈ (2.1)称()1,,p f x x 是()1,,p X X X '= 的多元联合概率密度，简称多元概率密度或多元密度。
多元概率密度()1,,p f x x 有以下性质： （1）()1,,p f x x 非负； （2）()11,,1p p f x x dx dx ∞∞-∞-∞=⎰⎰ ；（3）()()111,,,,p p p nF x x f x x x x ∂=∂∂2.1.2边缘分布、条件分布和独立性 边缘分布设()1,,p X X X '= 是p 维连续型随机向量，由其q 个分量组成的向量()1X （不妨设()()11,,q X X X '= ）的分布称为的边缘分布，其边缘概率密度为：()()()1111,,,,X q p q p f x x f x x dx dx ∞∞+-∞-∞=⎰⎰ (2.2)条件分布设()1,,p X X X '= 是p 维连续型随机向量，()()11,,q X X X '= ,()()()()2112,,,,,0q p X q p X X X f x x ++'=> ,在给定()2X 的条件下,()1X 的条件概率密度函数为：()()()()21111,,,,,,,,p q q p X q p f x x f x x x x f x x ++=(2.3)独立性设()1,,n X X 是连续型随机向量,则1,,n X X 相互独立当且仅当()()()111,,n n X X n f x x f x f x = 对任意1,,n x x 成立。
应用多元统计分析第2章 多元正态抽样分布- 1-第2章 多元正态抽样分布•在多元统计分析中，多元正态分布占有相当重要的地位。
这是因为，许多实际问题涉及到的随机向量服从正态分布或近似服从正态分布；当样本量很大时，许多统计量的极限分布往往和正态分布有关。
此外，对多元正态分布，理论与实践都比较成熟，已有一整套行之有效的统计推断方法。
•基于这些理由，我们在介绍多元统计分析的种种具体方法之前，首先介绍多元正态分布的定义、性质及多元正态分布中参数的估计问题。
多元统计分析讨论的是多变量总体。
以p个随机变量作为分量构成的向量称为p维随机向量。
如果我们同时对p个变量作一次观测，得到观测值 ，它是一个样品。
如果我们观察n次得到n 个样品品 ，而n个样品就构成一个样本。
常把n个样品排成一个n×p矩阵，称为样本数据矩阵（或样本资料阵），记为在多元统计分析理论中涉及到的向量一般都是随机向量，或是由多个随机向量构成的随机矩阵。
均值向量和协方差阵设 是一个随机向量。
称向量为随机向量X 的均值向量。
称矩阵为随机向量X 的协方差矩阵，其中 。
均值向量和协方差阵设 是另一个随机向量。
称矩阵为随机向量X 与Y 的协方差矩阵，其中均值向量和协方差阵若 为X 的协方差阵，则 称为X 的相关阵，其中若记 ，则有或均值向量和协方差阵的性质性质1.设X 和Y 是适当维数的随机向量，A和B是适当阶数的常数矩阵，则有均值向量和协方差阵的性质性质2.若X 与Y 相互独立，则 ；反之则不一定成立。
性质3.随机向量X 的协方差阵 是对称非负定矩阵。
性质4. ，其中L 为非负定矩阵，称为 的平方根矩阵，记为 ，即 。
证明 由于 ，利用实对称非负定矩阵的对角化原理，存在正交矩阵 ，使得均值向量和协方差阵的性质其中 这里 为 的特征值， 为 的与 对应的单位正交特征向量。
2.1 随机向量均值向量和协方差阵的性质性质5. ，其中A为列满秩矩阵，若 则A为非退化矩阵。
