应用多元统计分析课后3.doc

该【应用多元统计分析课后3 】是由【玉面小达摩】上传分享，文档一共【22】页，该文档可以免费在线阅读，需要了解更多关于【应用多元统计分析课后3 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。。解:多元结合散布议论多个随机变量结合到一同的概率散布状况,的结合散布密度函数是一个p维的函数,而边沿散布议论是的子向量的概率散布,其概率密度函数的维数小于p。,写出其结合散布。解:设的均值向量为,协方差矩阵为,则其结合散布密度函数为。,。求(1)随机变量和的边沿密度函数、均值和方差;(2)随机变量和的协方差和有关系数;(3)判断和能否互相独立。(1)解:随机变量和的边沿密度函数、均值和方差;所以因为听从均匀散布,则均值为,方差为。同理,因为听从均匀散布,则均值为,方差为。(2)解:随机变量和的协方差和有关系数;(3)解:判断和能否互相独立。和因为,所以不独立。,已知其协方差矩阵S为对角阵,证明其重量是互相独立的随机变量。解:因为的密度函数为又因为则则其重量是互相独立。、有效性和一致性;,,有样本。因为是互相独立的正态散布随机向量之和,所以也听从正态散布。又所以。:。方法2:。故为的无偏预计。,试求的散布。证明:设为一正交矩阵,即。令,所以。且有,,。所以独立同散布。又因为因为又因为所以原式故,因为独立同正态散布,,,(1)已知且,乞降的预计。(2)已知乞降的预计。解:(1),(2)解之,得,。其基本思想和步骤均可概括为:第一,提出待查验的假定H0和H1;第二,给出查验的统计量及其听从的散布;第三,给定查验水平,查统计量的散布表,确立相应的临界值,从而获得否认域;第四,依据样本观察值计算出统计量的值,看能否落入否认域中,以便对待判假定做出决议(拒绝或接受)。均值向量的查验:统计量拒绝域均值向量的查验:在单调变量中当已知当未知(作为的预计量)一个正态整体协差阵已知协差阵未知()两个正态整体有共同已知协差阵有共同未知协差阵(此中)?散布分别与一元统计中t散布和F散布的关系。答:(!)霍特林T2散布是t散布对于多元变量的推行。而若设,且与互相独立,,则称统计量T2=nX-μ'S-1(X-μ)的散布为非中心霍特林T2散布。若,且与互相独立,令,则。(2)威尔克斯?散布在实质应用中常常把?统计量化为统计量从而化为统计量,利用统计量来解决多元统计解析中有关查验问题。。答:威尔克斯统计量在多元方差解析中是用于查验均值的统计量。用似然比原则构成的查验统计量为给定查验水平,查Wilks散布表,确立临界值,而后作出统计判断。。答:设p维欧几里得空间Rp中的两点X=(X1,X2?XP)'和Y=Y1,Y2?YP'。则欧几里得距离为i=1p(Xi-Yi)2。欧几里得距离的限制有①在多元数据解析中,其胸怀不合理。②会遇到实质问题中量纲的影响。设X,Y是来自均值向量为μ,协方差为的整体G中的p维样本。则马氏距离为D(X,Y)=X-Y'-1X-Y。当-1=I即单位阵时,D(X,Y)=X-Y'X-Y=i=1p(Xi-Yi)2即欧几里得距离。所以,在必定程度上,欧几里得距离是马氏距离的特别状况,马氏距离是欧几里得距离的推行。。答:鉴别解析就是希望利用已经测得的变量数据,找出一种鉴别函数,使得这一函数拥有某种最优性质,能把属于不一样类其余样本点尽可能地域别开来。设R1,R2,…,Rk是p维空间Rp的k个子集,假如它们互不订交,且它们的和集为Rp,则称R1,R2?Rp为Rp的一个区分。鉴别解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Rp结构一个“区分”,这个“区分”就构成了一个鉴别规则。。答:距离鉴别问题分为①两个整体的距离鉴别问题和②多个整体的鉴别问题。其基本思想都是分别计算样本与各个整体的距离(马氏距离),将距离近的鉴别为一类。①两个整体的距离鉴别问题设有协方差矩阵∑相等的两个整体G1和G2,其均值分别是m1和m2,对于一个新的样品X,要判断它来自哪个整体。计算新样品X到两个整体的马氏距离D2(X,G1)和D2(X,G2),则X∈G1,D2(X,G1)≤D2(X,G2)X∈G2,D2(X,G1)>D2(X,G2,详细解析,记则鉴别规则为X∈G1,W(X)≥0X∈G2,W(X)<0②多个整体的鉴别问题。设有个整体,其均值和协方差矩阵分别是和,且。计算样本到每个整体的马氏距离,到哪个整体的距离最小就属于哪个整体。详细解析,取,,。能够取线性鉴别函数为,。基本思想:设k个整体,其各自的散布密度函数,假定k个整体各自出现的概率分别为,,。设将原来属于整体的样品错判到整体时造成的损失为,。设个整体相应的维样本空间为。在规则下,将属于的样品错判为的概率为则这类鉴别规则下样品错判后所造成的均匀损失为则用规则来进行鉴别所造成的总均匀损失为贝叶斯鉴别法例,就是要选择一种区分,使总均匀损失达到极小。基本方法:令,则如有另一区分,则在两种区分下的总均匀损失之差为因为在上对全部成立,故上式小于或等于零,是贝叶斯判其余解。。答:基本思想:从个整体中抽取拥有个指标的样品观察数据,借助方差解析的思想结构一个线性鉴别函数