多维随机变量

作者: 忻恆 | 来源:发表于2020-06-13 23:48 被阅读0次

2019-10-23
大数据中的统计学基础——Day5
多维随机变量
(概率论基础2)多维随机变量
复习
概率论基础
三、多维随机变量及其分布
概率论与统计推断(三) ------ 多维随机变量及其分布
正态分布密度函数的系数
joint probability

二维随机变量

F（x, y）= P{X<=x, Y<=y}, 称为 X 和 Y 的联合分布函数

边缘分布

二维变量的变量都有各自的分布函数，称为二维变量（X,Y）关于 X 和 Y的边缘分布函数，

$F_x(x) = F(x, \infty) = \sum_{x_i\leq x}^{\infty} \sum_{j=1}^{\infty} p_{ij}$

注意标号， $p_{i \cdot}$ 表示 $\sum_{j=1}^{\infty} p_{ij}$

条件分布

$P(X=x_i,Y=y_j) = \frac {p_{ij}} {p_{\cdot j}}$

相互独立： $F(x,y) = F_X(x)F_Y(y)$

二维正态随机变量（X,Y）相互独立的充要条件是 $\rho = 0$

数学特征

数学期望，方差，标准差

D(X) = E(X^2) - E(X)^2

切比雪夫不等式

只知道(X)和D(X)，估计P{|X-E(X)| < $\varepsilon$ } $\geq 1 - \frac{\sigma ^2}{\varepsilon ^2}$

协方差

Cov(X, Y) = E{[X - E(X][Y - E(Y)]}

等于 0 时， X 和 Y 互相独立。

相关系数

$\rho _{XY} = \frac {Cov(X, Y)} {\sqrt{D(X)}\sqrt{D(Y)}}$

若（ X, Y）服从二维正态分布，则 X 和 Y 互相独立的充要条件为 X 和 Y 不相关。

矩，协方差矩阵

k 阶原点矩

$E(X^k)$

k 阶中心距

$E([X-E(X)]^k)$

k+l混合矩

k+l混合中心距 $E([X-E(X)]^k[Y-E(Y)]^l)$

二维变量有四个二阶中心矩，分别为：

$c_{11} = E\{ [ X-E(X) ] ^2 \}$

$c_{12} = E\{ [ X-E(X) ] [ Y-E(Y) ] \}$

$c_{21} = E\{ [ X-E(X) ] [ Y-E(Y) ] \}$

$c_{22} = E\{ [ Y-E(Y) ] ^2 \}$

$\begin {pmatrix} c_{11} c_{12}\\c_{21} c_{22}\end {pmatrix}$ 称为协方差矩阵， 对称矩阵

正态随机变量特征

1、每个分量都是正态随机变量；

2、随机变量的线性组合服从正态分布；

3、线性变换不改变正态分布特性；

4、相互独立 == 两两不相关。

2019-10-23
1.6 多维随机变量及其分布： 1.6.1 离散型多维随机变量：随着科学的发现和概率统计应用的不断推广，在有些随...
大数据中的统计学基础——Day5
本章内容：导数与微积分公式二维随机变量、联合分布多维随机变量、边缘分布条件分布随机变量之间的独立性一、...
多维随机变量
二维随机变量 F（x, y）= P{X<=x, Y<=y}, 称为 X 和 Y 的联合分布函数边缘分布二维变量...
(概率论基础2)多维随机变量
多维随机变量离散型随机变量的分布若一个随机向量，如果其中每一个分量都是1维离散型随机变量，则是一个维的离散型随...
复习
1.随机事件和概率 2.随机变量及其分布 3.多维随机变量及其分布 4.大数定律和中心极限定理 5.统计量及其分布...
概率论基础
marginal distribution 指在[概率论]和[统计学]的多维随机变量中，只包含其中部分变量的概率分...
三、多维随机变量及其分布
联合分布函数联合分布函数的性质利用分布函数求概率边缘分布边缘分布函数二维离散型随机变量二维连续型随机变...
概率论与统计推断(三) ------ 多维随机变量及其分布
一.多维随机变量二.分布 1.联合分布律 2.联合分布函数和联合概率分布函数 3.边缘分布律 : 只关心一个随机...
正态分布密度函数的系数
正态分布的密度函数，可以一般化地写为事实上，如果某个多维随机变量的密度函数可以写成该形式，那么它就服从正态分布。...
joint probability
当目标空间是离散的，我们可以将多个随机变量的概率分布想象成填充一个(多维)数字数组。图1显示了一个示例。联合概率的...