2 随机向量

2.2 数字特征

  • X=(xij)X=(x_{ij})每元素都是随机变量
    • 则称XX随机矩阵
  • 随机向量看作

一、数学期望(均值)

  • p×qp\times q随矩X=(xij)X=(x_{ij})的数学期望为

2 随机向量

  • 给定x2x_2,x1x_1的数学期望为条件数学期望,
    • 记作E(x1x2)E(x_1|x_2)
  • 设某地区男子寿命xx期望E(x)=80E(x)=80
    • 某男现年65,则他的期望寿命不是80,
    • 应条件期望E(xx65)E(x|x\ge 65)
  • E(x)E(x)该地区男子的平均寿命
  • $E(x|x\ge 65)$65岁以上男子的平均寿命,
    • 后者要明显大于前者。

2 随机向量

  • 随机矩阵XX的数学期望有性质:
  • 特码的懒得写了

二 协方差矩阵

  • x=(x1,x2,,xp)\pmb{x}=(x_1,x_2,\cdots,x_p)'
  • y=(y1,y2,,yq)\pmb{y}=(y_1,y_2,\cdots,y_q)'pp维和qq维随机向量
  • x\pmb{x}y\pmb{y}的协方差矩阵定义为

[Cov(x1,y1)Cov(x1,y2)Cov(x1,yq)Cov(x2,y1)Cov(x2,y2)Cov(x2,yq)Cov(xp,y1)Cov(xp,y2)Cov(xp,yq)](2.2.8) \left[\begin{array}{cccc} {\operatorname{Cov}\left(x_{1}, y_{1}\right)} & {\operatorname{Cov}\left(x_{1}, y_{2}\right)} & {\dots} & {\operatorname{Cov}\left(x_{1}, y_{q}\right)} \\ {\operatorname{Cov}\left(x_{2}, y_{1}\right)} & {\operatorname{Cov}\left(x_{2}, y_{2}\right)} & {\dots} & {\operatorname{Cov}\left(x_{2}, y_{q}\right)} \\ {\vdots} & {\vdots} & {} & {\vdots} \\ {\operatorname{Cov}\left(x_{p}, y_{1}\right)} & {\operatorname{Cov}\left(x_{p}, y_{2}\right)} & {\cdots} & {\operatorname{Cov}\left(x_{p}, y_{q}\right)} \end{array}\right]\tag{2.2.8}

2 随机向量

  • 啥转置关系

  • x=y\pmb{x}=\pmb{y}时,

  • Cov(x,y)Cov(\pmb{x},\pmb{y})x\pmb{x}的协方差矩阵

    • V(x)V(\pmb{x})

2 随机向量

  • 给定x2\pmb{x}_2条件下,
    • x1\pmb{x}_1的协方差矩阵称为条件协方差矩阵,
    • 记作V(x1x2)V(\pmb{x}_1|\pmb{x}_2)

2 随机向量

  • 随机向量x\pmb{x}的协方差矩阵是非负定

V(Ax+b)=AV(x)A(2.2.11)V(A\pmb{x}+b)=AV(\pmb{x})A'\tag{2.2.11}

2 随机向量

  • 先不写啊

  • 实际中,有时=0,
    • 原因指标间存在着线性关系
    • 如某一指标是其他一些指标的汇总值
    • 在一般数据报表中常出现
  • 删去“多余”指标确保>0
  • 本书大部分,假定>0