z
概率论
y
x
n 维正态分布的定义及性质
--------------------------------------------------------------------------------------------------------------------------------Reproduction Forbidden Page 1 of 4
z
概率论
y
x
n 维正态分布的定义及性质(概率论基础(李贤平) ,Page234)
定义
称 n 维随机变量 X X 1 , X 2 ,..., X n 服从参数为 N a , B 的 n 维正态分布,记为 X ~ N a , B ,
如果他有密度
p x f x1 , x2 ,..., xn
2
n/2
1 1 T exp X a B 1 X a 1/ 2 det B 2
1 , 其中, B bij n 是 n n 阶正定对称矩阵, det B 是它的行列式,而 B -1 是它的逆矩阵,记作 B -1 bij n
n
n
a 为任意实值列向量,即如果我们用黑体的小写字母记列向量,以黑体的大写字母记矩阵,则有
a1 x1 x1 a1 b11 b12 a2 x2 x2 a2 . . . b b , B 21 22 a , X , X -a ... ... . . . b . . . n1 bn 2 a x x a 2 n n n
... b1n ... b2 n ... ... ... bnn
称矩阵 B 为对称的,如果 B B T ,即 bij b ji ; 称对称矩阵 B 为正定的,如果对于任意列向量 a a1 , a 2 ,..., a n R n ,有 a T Ba 0 ,其中等号成
T
立,当且仅当 a 是 0 向量。如果 B 正定,则 det B 存在,且 det B 0 ,且 B -1 也是正定矩阵(小写代数, 居于马,Page272) 。 定理 4.6.2
X 的任一子向量 X k1 , X k2 ,..., X km
~ ~, B m n 也服从正态分布,分布为 N a ,其中
T
~ a , a ,..., a a k1 k2 km
T
~ , B 为保留 B 的第 k1 , k 2 ,..., k m 行及第 k1 , k 2 ,..., k m 列所得的 m 阶矩阵。如
b13 b23 b33 ... ... bn 3 ... b1m ... b2 m ... b3m ... ... ... b1n ... b2 n ... b3n ... ... ... bmn ... ... ... bnn
a1 b11 b12 a2 b21 b22 a 3 b b32 31 . ~ ~ a , B ... ... . bm1 bm 2 am ... ... . bn1 bn 2 a n
bm3 ... bmm ... ... ... bnm
特别地, X j 服从一维正态分布 N a j , b jj 。 定理
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
明,多维正态分布的边缘分布还是正态分布。
--------------------------------------------------------------------------------------------------------------------------------Reproduction Forbidden Page 2 of 4
z
概率论
y
x
定理 4.6.3
a j E X j ,
a 及 B 分别是随机向量 X 的数学期望及协方差矩阵,即
1 j n ; b jk CovX j , X k E X j a j X k ak , 1 j, k n
由定理可知, n 维正态分布完全由它的前面二阶矩确定。 定理 4.6.4
X 1 , X 2 ,..., X n 独立的充要条件是它们两两不相关。 X X 1 , X 2 ,..., X n 服 从 n 维 正 态 分 布 N a , B 的 充 要 条 件 是 它 的 任 何 一 个 线 性 组 合
定 理 4.6.6
n n n 2 Y l j X j 服从一维正态分布 N l a , j j l j b jj j 1 j 1 j 1
利用定理 4.6.6 可以通过一维正态随机变量来研究多维正态变量, 在有些场合这提供了很大的方便。
定理 4.6.7 若 X X 1 , X 2 ,..., X n 服从 n 维正态分布 N a , B , 而 C 为任意的 m n 阵, 则 Y CX 服从 m 维正态分布, N Ca , CBC T . 定理 4.6.7 表明正态变量在线性变换下还是正态变量,这个性质简称为正态变量的线性变换不变 性。 推论一 若 X X 1 , X 2 ,..., X n 服从 n 维正态分布 N a , B , 则存在一个正交变换 U , 使得 Y UX 是
一个具有独立正态分布分量的随机向量,它的数学期望为 Ua ,而它的方差分量是 B 的特征值。 证明 从矩阵论知道,对于实对称矩阵 B ,存在正交阵 U ,使 UBU T D ,其中,
d1 0 D ... 0 0 d2 ... 0 0 0 ... ... ... d n ... ...
这里, d1 , d 2 ,...d 3 是 B 的特征值。若 B 得秩为 r ,则有 r 个特征值不为零。此处的 U 是以特征向量 为列构成的正交阵。 把这里的 U 作为定理 4.6.7 中的变换矩阵,即可证明该推论。 从推论一看出,若 B 得秩为 r n ,则正态分布退化到一个 r 维子空间上。 推论一说明,对于多维正态变量,可以进行正交变换,使其既保持正态性不变又让各分量独立, 这种方法在数理统计中十分有用。 因为变换后得到的正态分布的各随机变量之间的协方差为 0,即 b jk CovX j , X k 0, j k ,这
说明两两相关,即得 X 1 , X 2 ,..., X n 独立(定理 4.64).
例8
(概率论基础(李贤平) ,Page161)
若 X 1 , X 2 服从二维正态分布,其密度函数为
--------------------------------------------------------------------------------------------------------------------------------Reproduction Forbidden Page 3 of 4
z
概率论
y
x
f x, y
1 2 1 2
2 x a1 y a2 y a2 2 1 x a1 exp 2 2 2 2 1 2 2 1 2 2 1 1
a1 0 其中 a1 0 , a2 0 ,即有 a ,令 a 2 0 Y1 X 1 cos U Y X 2 2 sin sin X 1 X 1 cos X 2 sin , 0 2 cos X 2 X 1 sin X 2 cos
则 Y1 , Y2 的联合密度函数为:
f y1 , y 2
其中,
1 2 1 2
1 2 exp Ay12 2 By1 y 2 Cy 2 2 1 21
2
A
cos 2
12 12
2
cos sin
1 2
sin 2
2 2
B
cos sin
2 1
sin 2 cos 2
1 2 1 2
cos sin
22
C
sin 2
2
cos sin
cos 2
22
由上式看出,二维正态随机变量 X 1 , X 2 经过坐标旋转而得到的随机变量 Y1 , Y2 仍然服从正态分 布。进一步,若选 使得 tan 2
2 1 2 ,则 B 0 ,因此 Y1 , Y2 独立。这说明二元正态分布可经适当 2 12 2
的坐标旋转化为两个相互独立的正态分布之积。
推论二 在正交变换下, 多维正态变量保持其独立、 同方差性不变。 (证明见概率论与数理统计(周 概容),Page358)
--------------------------------------------------------------------------------------------------------------------------------Reproduction Forbidden Page 4 of 4