多元正態分佈的定義及其密度函式推導
多元正態分佈是這樣定義的:
假設u1,u2,...up獨立,且都服從N(0,1)分佈,記U=[u1,u2,...up]",A為p階非奇異矩陣,X,μ為p維列向量
則X=AU+μ 所服從的分佈為p維正態分佈記為N(μ,AA")
由此可見,多元正態分佈中的協方差矩陣的原始定義並非是一個協方差的矩陣,而是線性變換的乘積。
下面我們來推導多元正態分佈的密度函式
假設p元隨機向量X~N(μ,∑),那麼X的密度函式為
1
—————————————exp[(X-μ)"∑^(-1)(X-μ)]
(2*pi)^(p/2)*|∑|^(1/2)
證明:
令∑=AA"則X=AU+μ
→ U=A^(-1)(X-μ)
因為u1,u2,...up獨立,且都服從N(0,1)分佈,所以U的聯合分佈為
p(U)=————————exp[U"*U]
(2*pi)^(p/2)
現在將U=A^(-1)(X-μ)代入,有
p(X)=————————exp[(X-μ)"∑^(-1)(X-μ)]J(U→X)
=—————————————exp[(X-μ)"∑^(-1)(X-μ)]
其中,J(U→X)為dU/dX的亞柯比行列式
證畢
多元正態分佈的定義及其密度函式推導
多元正態分佈是這樣定義的:
假設u1,u2,...up獨立,且都服從N(0,1)分佈,記U=[u1,u2,...up]",A為p階非奇異矩陣,X,μ為p維列向量
則X=AU+μ 所服從的分佈為p維正態分佈記為N(μ,AA")
由此可見,多元正態分佈中的協方差矩陣的原始定義並非是一個協方差的矩陣,而是線性變換的乘積。
下面我們來推導多元正態分佈的密度函式
假設p元隨機向量X~N(μ,∑),那麼X的密度函式為
1
—————————————exp[(X-μ)"∑^(-1)(X-μ)]
(2*pi)^(p/2)*|∑|^(1/2)
證明:
令∑=AA"則X=AU+μ
→ U=A^(-1)(X-μ)
因為u1,u2,...up獨立,且都服從N(0,1)分佈,所以U的聯合分佈為
1
p(U)=————————exp[U"*U]
(2*pi)^(p/2)
現在將U=A^(-1)(X-μ)代入,有
1
p(X)=————————exp[(X-μ)"∑^(-1)(X-μ)]J(U→X)
(2*pi)^(p/2)
1
=—————————————exp[(X-μ)"∑^(-1)(X-μ)]
(2*pi)^(p/2)*|∑|^(1/2)
其中,J(U→X)為dU/dX的亞柯比行列式
證畢