版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、第一章多元正態(tài)分布的參數(shù)估計(jì)一、填空題1.設(shè)、為兩個(gè)隨機(jī)向量,對(duì)一切的、,有,則稱(chēng)XYuv與相互獨(dú)立。XY2.多元分析處理的數(shù)據(jù)一般都屬于數(shù)據(jù)。3多元正態(tài)向量的協(xié)方差陣是,則X的各分量是相互獨(dú)立????pXXX1??的隨機(jī)變量。4一個(gè)元函數(shù)能作為中某個(gè)隨機(jī)向量的密度函數(shù)的主要條件是p??pxxxf21?pR和。5若個(gè)隨機(jī)變量,,,的聯(lián)合分布等于,則稱(chēng)p1X2X?pX,,,是相互獨(dú)立的。1X2X?pX6.多元正態(tài)分布的任何邊緣分布為。7.
2、若,為階常數(shù)陣,為維常數(shù)向量,則。???~?pNXAps?ds~dAX?8.多元正態(tài)向量的任何一個(gè)分量子集的分布稱(chēng)為的。XX9.多元樣本中,不同樣品的觀測(cè)值之間一定是。10.多元正態(tài)總體均值向量和協(xié)差陣的極大似然估計(jì)量分別是。11.多元正態(tài)總體均值向量和協(xié)差陣的估計(jì)量、具有、??XSn11?和。12設(shè)和分別是多元正態(tài)總體的樣本均值向量和離差陣,則XS????pN,和。~XXS13.若,且相互獨(dú)立,則樣本離差陣?????~??pNXn21
3、???。??????????????nXXXXS1~???14若,,且相互獨(dú)立,則???~ipinWSki1??~21kSSSS?????。二、判斷題1.多元分布函數(shù)是單調(diào)不減函數(shù),而且是右連續(xù)的。??xF2.設(shè)是維隨機(jī)向量,則服從多元正態(tài)分布的充要條件是:它的任何組合XpX都是一元正態(tài)分布。??pRX????3.是一個(gè)P維的均值向量,當(dāng)A、B為常數(shù)矩陣時(shí),具有如下性質(zhì):?(1)E(AX)=AE(X)(2)E(AXB)=AE(X)B4若
4、P個(gè)隨機(jī)變量X1,…XP的聯(lián)合分布等于各自邊緣分布的乘積,則稱(chēng)X1,…XP是相互獨(dú)立的。5一般情況下,對(duì)任何隨機(jī)向量,協(xié)差陣是對(duì)稱(chēng)陣,也???????p1??是正定陣。6多元正態(tài)向量的任意線性變換仍然服從多元正態(tài)分布。???????p1?7多元正態(tài)分布的任何邊緣分布為正態(tài)分布,反之一樣。8多元樣本中,不同樣品之間的觀測(cè)值一定是相互獨(dú)立的。9多元正態(tài)總體參數(shù)均值的估計(jì)量具有無(wú)偏性、有效性和一致性。?X10是的無(wú)偏估計(jì)。Sn1?11.Wis
5、hart分布是分布在維正態(tài)情況下的推廣。2?p2在協(xié)差陣未知的情況下對(duì)均值向量進(jìn)行檢驗(yàn),需要用樣本協(xié)差陣去代替。?Sn1?3.分布是一元統(tǒng)計(jì)分布中t分布的推廣。2HotellingT三、簡(jiǎn)答題1試述多元統(tǒng)計(jì)分析中的各種均值向量和協(xié)差陣檢驗(yàn)的基本思想和步驟。2試述多元統(tǒng)計(jì)分析中分布和一元統(tǒng)計(jì)中t分布的關(guān)系。2HotellingT第三章主成分分析一、填空題1主成分分析就是設(shè)法將原來(lái)眾多具有一定相關(guān)性的指標(biāo),重新組合成一組新的相互無(wú)關(guān)的綜合指
6、標(biāo)來(lái)代替原來(lái)指標(biāo)。2主成分分析的數(shù)學(xué)模型可簡(jiǎn)寫(xiě)為,該模型的系數(shù)要求在諸主成分Yi(i=1,2,…,m)上的載荷aij(i=1,2,…,m;j=1,2,…,p)。3主成分分析中,利用方差的大小來(lái)尋找主成分。4第k個(gè)主成分的貢獻(xiàn)率為,前k個(gè)主成分的累積貢獻(xiàn)率為ky??piik1??。????piikii11??5確定主成分個(gè)數(shù)時(shí),累積貢獻(xiàn)率一般應(yīng)達(dá)到8595%,在spss中,系統(tǒng)默認(rèn)為取特征根大于1的個(gè)數(shù)。6主成分的協(xié)方差矩陣為_(kāi)_____
7、___矩陣。7原始變量協(xié)方差矩陣的特征根的統(tǒng)計(jì)含義是________________。8原始數(shù)據(jù)經(jīng)過(guò)標(biāo)準(zhǔn)化處理,轉(zhuǎn)化為均值為_(kāi)___,方差為_(kāi)___的標(biāo)準(zhǔn)值,且其________矩陣與相關(guān)系數(shù)矩陣相等。9在經(jīng)濟(jì)指標(biāo)綜合評(píng)價(jià)中,應(yīng)用主成分分析法,則評(píng)價(jià)函數(shù)中的權(quán)數(shù)為_(kāi)_______。10SPSS中主成分分析采用______________命令過(guò)程。二、判斷題1主成分分析就是設(shè)法將原來(lái)眾多具有一定相關(guān)性的指標(biāo),重新組合成一組新的相互無(wú)關(guān)的綜
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 多元正態(tài)分布均值向量和協(xié)差陣的檢驗(yàn)
- 多元正態(tài)分布中均值向量參數(shù)的經(jīng)驗(yàn)Bayes估計(jì)及其優(yōu)良性.pdf
- [學(xué)習(xí)]多元正態(tài)分布的假設(shè)檢驗(yàn)
- 多元混合正態(tài)分布的Monte Carlo檢驗(yàn).pdf
- 均值、方差、正態(tài)分布——學(xué)生用
- 第3章 正態(tài)分布時(shí)的統(tǒng)計(jì)決策
- 均值混合正態(tài)分布統(tǒng)計(jì)量的性質(zhì).pdf
- 18418.混合正態(tài)分布與泊松分布的均值估計(jì)
- [學(xué)習(xí)]多元正態(tài)分布及參數(shù)估計(jì)
- 如何檢驗(yàn)數(shù)據(jù)是否服從正態(tài)分布
- 如何檢驗(yàn)數(shù)據(jù)是否服從正態(tài)分布
- 關(guān)于均值向量的置換檢驗(yàn)的研究.pdf
- 正態(tài)分布參數(shù)的單邊模糊假設(shè)檢驗(yàn).pdf
- 有約束的多元模型的Minimax估計(jì)及多元正態(tài)分布熵的估計(jì).pdf
- 多元正態(tài)向量均值變點(diǎn)在線監(jiān)測(cè).pdf
- 非正態(tài)分布的檢驗(yàn)方法及應(yīng)用研究
- 多元正態(tài)總體均值及協(xié)方差檢驗(yàn)
- 第8講二項(xiàng)分布與正態(tài)分布
- 偏正態(tài)分布參數(shù)的估計(jì)與假設(shè)檢驗(yàn).pdf
- 非正態(tài)分布的檢驗(yàn)方法及應(yīng)用研究
評(píng)論
0/150
提交評(píng)論