多元正态分布及参数估计

... f (t ,..., t
1

p
)dt1 ...dt p 1
16
3.p元随机向量的数字特征
随机向量的数字特征主要有均值向量和协方差矩阵。 1.均值向量就是每一个分量的均值（或叫期望）所组成 的常数向量。用数学符号表示如下： X ( X 1 , X 2 ,..., X p ) ，且每个分量的 设p元随机向量为 期望为 E( X i ) i , i 1,..., p ，则将新向量：


因而多元随机向量可看作是一元随机变量的推广 而一个随机变量可看作是特殊的一元随机向量．
4
§2.1 多元（概率）分布基本概念 1.二元随机向量的例子
由于我们的研究对象涉及的是多个变量的总体，所 以要用若干个随机变量合在一起看作一个整体，共 同用这个整体来描述随机现象。 •比如，要考察一射击手向一平面靶子射击的水平， 那么，子弹在靶子上的着点位置是随机的，这个平 面上的随机点需要用两个随机变量（即横向的X与纵 向的Y）共同来描述，于是(X,Y)就构成了二元（维） 的随机向量。

2

（1）随机变量的定义：对于每一个随机结果都对 应着某个变量的一个数值，这种对应就是一个函数， 用随机变量来表示。
R.V.特点： a.取值的随机性，即事先不能确定其取哪一个值； b.取值的统计规律性，即完全可以确定x取某个值或 在某个区间内取值的概率。

3

有时候，仅仅用一个随机变量来描述随机现象就 不够了，需要用多个随机变量来共同描述的随机 现象和问题，而且这些随机变量间又有联系，所 以必须要将它们看做一个整体来研究（即不能一 个一个地单独研究多个一元随机变量），这就出 现了多元随机向量的问题和概念．
多元正态分布主要内容包括：

§2.1 多元（概率）分布基本概念 §2.2 多元正态分布定义及其性质 §2.3 多元正态分布的参数估计
1

众所周知，一元统计分析是多元统计分析的 基础，尤其是一元正态分布自然是多元正态 分布的基础，它在统计学的理论和实际应用 方面都有着重要的地位。
在一元统计分布中，经常会用到随机变量X 的概念及其概率分布问题。5射击后的子弹着点的位置 是随机的
这个点的位置要用两个 随机变量X与Y共同描 述才能确定，即用（X， Y）数组的取值来确定 这个点的位置。 这就是二元随机向量。
Y
X
· A
6
P元（维）随机向量


在研究社会、经济现象和许多实际 问题时，经常遇到多指标的问题。 例如，评价学生在校表现时，要考 察他的政治思想（德）、学习情况 （智）、身体状况（体）等各个方 面的情况，仅学习情况就又涉及他 在各个年度的每门课程成绩，这里 面就有多项指标存在。
8

P元（维）随机向量的定义

设 X 1 , X 2 ,..., X p 为p个随机变量， 将它们合在一起组成的一个整体的向量
X ( X 1 , X 2 ,..., X p )
称作p元随机向量。 注意：X是列向量，所以横着写时需要转 置一下。
9
2.联合分布函数与密度函数

与一元随机变量一样，也可将随机向量分为离散性和 连续型两类，但是在表达其概率分布时，就非常不方 便了（因为当它是离散型时，需要用多维表格表示概 率分布，但超过两维时就不容易表示了），这时我们 就必须借助于分布函数来刻画它的概率分布。这就充 分体现出分布函数在表达联合概率分布时的优势。 对于多元的随机向量，就对应地需要用联合分布函数 来刻画其概率分布。
F ( x1 , x2 ,..., x p ) P( X 1 x1 ,..., X p x p )
14
联合密度函数的定义


对于多元连续型随机向量来说，其概率分 布也可以用密度函数来描述。 若存在一个非负的p元函数f(· )，满足
F ( x1 ,..., x p )
x1
... f (t ,..., t
矩形区域 G {( X , Y ) | X x, Y y} 的概率.
12
二元联合分布函数的几何意义演示图:
F（x,y）=
Y
y
P(X≤x,Y≤y)
(x,y)
{ X≤x
, Y≤y }
x
X
F(x,y)值为随 机点落入黄色 矩形区域内的 概率
13
对于p元的随机向量来说，就对应地需要用 联合分布函数来刻画其概率分布。 联合分布函数的定义： 设 X ( X 1 , X 2 ,..., X p ) 是一随机向量，它的 联合分布函数定义为

E( X ) ( E( X 1 ), E( X 2 ),...,E( X p ))
定义为该随机向量的期望，也叫均值向量． 而一元随机变量的第一个数字特征名称却称为均值或期 望．请注意一元与多元在对应概念上的称呼的区别．
17
P元随机向量的协方差阵

注意：一元随机变量与多元随机向量在第二个数字 特征方面的表示有很大不同，其原因是在多元情形 中还要体现出分量之间的相关关系。
11

二元随机向量的联合分布函数
定义: 设(X,Y) 为二维随机变量,对任意实数 x,y,二 元函数
F ( x, y) P( X x, Y y)
称为二维随机变量(X,Y)的联合分布函数.
如果把 (x,y) 看成是平面上随机点的坐标 , 则联合分布函数
F ( x, y) 在点(x,y)处的函数值就是随机点(X,Y)落在平面上的
7

再例如，研究公司的经营情况，就要考察资 金周转能力、偿债能力、获利能力、竞争力 等多个指标。显然不能将这些指标分割开来 进行单独研究，那样就不能从整体上综合把 握事物的实质。 一般地，假设我们研究的问题涉及p个指标， 对n个个体进行观察，就会得到n×p个数据， 我们的目的就是对观测对象进行分组、分类、 或分析考察这p个变量之间的相互关联程度， 或者找出内在规律性等等。
1
xp
p
)dt1 ...dt p
对任意的 ( x1 , x2 ,...,x p ) R 都成立，则称p元函数f(· )为p元随机向量的 概率密度函数，并称随机向量为连续型的。
p
15
联合概率密度函数的基本性质

两条性质是：
f ( x1 ,..., x p ) 0, 对 任 意实 数x1 ,..., x p 都 成 立