43 协方差 相关系数和矩.docx
《43 协方差 相关系数和矩.docx》由会员分享,可在线阅读,更多相关《43 协方差 相关系数和矩.docx(12页珍藏版)》请在冰点文库上搜索。
![43 协方差 相关系数和矩.docx](https://file1.bingdoc.com/fileroot1/2023-5/7/9ae910b8-33a1-4bc0-a62c-38bed7885d52/9ae910b8-33a1-4bc0-a62c-38bed7885d521.gif)
43协方差相关系数和矩
现将上式中中刮号内的式子写成矩阵,为此引入现将上式中中刮号内的式子写成矩阵,下列的列矩阵xX=1,x2→→µµ=1.µ2(X1,X2)的协方差阵为c11c12σ12ρσ1σ2C==2c21c22ρσ1σ2σ2
它的行列式C−12detC=σ12σ2(1−ρ2),C的逆阵为1=detCσ12−ρσσ12−ρ1σ1σ21σ12−ρσ1σ2=21σ21−ρ2−ρ2σ1σ2σ2→→→→经过计算可知(这里矩阵(X−µ)′是(X−µ)的转置矩阵)经过计算可知(的转置矩阵)1(X−µ)′C(X−µ)=(x1−µ1detC−1→→→→2σ2−ρσ1σ2x1−µ1x2−µ2)−ρσ1σ2σ12x2−µ21(x1−µ1)2(x1−µ1)(x2−µ2)(x2−µ2)2=−2ρ+222σ1σ2σ21−ρσ1于是,于是,(X1,X2)的概率密度可写成f(x1,x2)=1(2π)22(detC)1e2→→1→→−1−(X−µ)′C(X−µ)2
上式容易推广到n维随机变量引入列矩阵(X1,X2,L,Xn)的情况.的情况.x1µ1E(X1)→x2→µ2E(X2)X=和µ==MMMxµE(X)nnn(X1,X2,L,Xn)n维正态随机变量f(x1,x2,L,xn)=的概率密度定义为1→→−1→→−(X−µ)′C(X−µ)e21(2π)n12(detC)2其中C是(X1,X2,L,Xn)的协方差阵.的协方差阵.
n维正态随机变量具有以下四条重要性质(证略):
维正态随机变量具有以下四条重要性质(证略):
(1)n维正态随机变量(X1,X2,L,Xn)的每一个分量Xi,i=1,2,L.n都是正态变量;反之,若都是正态变量;反之,X1,X2,L,Xn都是正态变量,且相互独立,则都是正态变量,且相互独立,(X1,X2,L,Xn)是n维正态变量.维正态变量.
(2)n维随机变量(X1,X2,L,Xn)服从n维正态分布的充要条件是X1,X2,L,Xn的任意线性组合:
l1X1+l2X2+LlnXn服从一维正态分布(不全为零)服从一维正态分布(其中l1,l2,L,ln不全为零).
(3)若(X1,X2,L,Xn)服从n维正态分布,设维正态分布,Y1,Y2,L,Yk是Xj,j=1,2,L.n的线性函数,的线性函数,也服从多维正态分布.则(Y1,Y2,L,Yk)也服从多维正态分布.这一性质称为正态变量的线性变换不变性.这一性质称为正态变量的线性变换不变性.(4)设(X1,X2,L,Xn)服从n维正态分布,则“维正态分布,X1,X2,L,Xn相互独立”与“1,X2,L,Xn相互独立”两X两不相关”是等价的.两不相关”是等价的.维正态分布在随机过程和数理统计中常会遇到.n维正态分布在随机过程和数理统计中常会遇到.