Interested Article - Многомерное нормальное распределение

Пример выборки из многомерного нормального распределения в пределах 3 сигм двух частных распределений

Многоме́рное норма́льное распределе́ние (или многоме́рное га́уссовское распределе́ние ) в теории вероятностей — это обобщение одномерного нормального распределения . Случайный вектор , имеющий многомерное нормальное распределение, называется гауссовским вектором .

Определения

Случайный вектор имеет многомерное нормальное распределение, если выполняется одно из следующих эквивалентных условий:

  • Произвольная линейная комбинация компонентов вектора имеет нормальное распределение или является константой (это утверждение работает только если математическое ожидание равно 0).
  • Существуют вектор независимых стандартных нормальных случайных величин , вещественный вектор и матрица размерности , такие что:
.
.

Плотность невырожденного нормального распределения

  • Если рассматривать только распределения с невырожденной ковариационной матрицей , то эквивалентным будет также следующее определение:
Существует вектор и положительно определённая симметричная матрица размерности , такие что плотность вероятности вектора имеет вид ::
,
где определитель матрицы , а — матрица обратная к


  • Вектор является вектором средних значений , а — его ковариационная матрица .
  • В случае , многомерное нормальное распределение сводится к обычному нормальному распределению.
  • Если случайный вектор имеет многомерное нормальное распределение, то пишут .

Двумерное нормальное распределение

Частным случаем многомерного нормального распределения является двумерное нормальное распределение. В этом случае имеем две случайные величины с математическими ожиданиями , дисперсиями и ковариацией . В этом случае ковариационная матрица имеет размер 2, её определитель равен

где коэффициент корреляции случайных величин.

Тогда плотность двумерного невырожденного (коэффициент корреляции по модулю не равен единице) нормального распределения можно записать в виде:

.
В том случае, если (то есть являются зависимыми), их сумма все еще распределена нормально, но в дисперсии появляется дополнительное слагаемое : .

Свойства многомерного нормального распределения

  • Если вектор имеет многомерное нормальное распределение, то его компоненты имеют одномерное нормальное распределение. Обратное верно при независимости компонент .
  • Если случайные величины имеют одномерное нормальное распределение и совместно независимы , то случайный вектор имеет многомерное нормальное распределение. Матрица ковариаций такого вектора диагональна.
  • Если имеет многомерное нормальное распределение, и его компоненты попарно некоррелированы , то они независимы. Однако, если некоторые случайные величины имеют одномерные нормальные распределения и попарно не коррелируют, то отсюда не следует, что они независимы и имеют многомерное нормальное распределение.
Пример. Пусть , а с равными вероятностями и независима от указанной нормальной величины. Тогда если , то корреляция и равна нулю. Однако, эти случайные величины зависимы и в силу первого утверждения абзаца не имеют многомерного нормального распредедения.
  • Многомерное нормальное распределение устойчиво относительно линейных преобразований . Если , а — произвольная матрица размерности , то
Таким преобразованием и сдвигом любое невырожденное нормальное распределение можно привести к вектору независимых стандартных нормальных величин.

Моменты многомерного нормального распределения

Пусть — центрированные (с нулевым математическим ожиданием) случайные величины имеющие многомерное нормальное распределение, тогда моменты для нечетных равно нулю, а для четных вычисляется по формуле

где суммирование осуществляется по всевозможным разбиениям индексов на пары. Количество множителей в каждом слагаемом равно , количество слагаемых равно

Например, для моментов четвертого порядка в каждом слагаемом по два множителя и общее количество слагаемых будет равно . Соответствующая общая формула для моментов четвертого порядка имеет вид:

В частности если

При

При

Условное распределение

Пусть случайные векторы и имеют совместное нормальное распределение с математическими ожиданиями , ковариационными матрицами и матрицей ковариаций . Это означает, что объединенный случайный вектор подчиняется многомерному нормальному распределению с вектором математического ожидания и ковариационной матрицей, которую можно представить в виде следующей блочной матрицы

,

где .

Тогда случайный вектор при заданном значении случайного вектора имеет (многомерное) нормальное условное распределение со следующим условным математическим ожиданием и условной ковариационной матрицей

.

Первое равенство определяет функцию линейной регрессии (зависимости условного математического ожидания вектора от заданного значения x случайного вектора ), причем матрица — матрица коэффициентов регрессии.

Условная ковариационная матрица представляет собой матрицу ковариаций случайных ошибок линейных регрессий компонентов вектора на вектор . В случае если — обычная случайная величина (однокомпонентный вектор), условная ковариационная матрица — это условная дисперсия (по существу дисперсия случайной ошибки регрессии на вектор )

Примечания

  1. А. Н. Ширяев. Вероятность. Том 1. МЦНМО, 2007.
  2. , с. 58—63.
  3. А.А.Новоселов. . Современные риск-системы (28 марта 2014). Дата обращения: 8 мая 2017. 17 мая 2017 года.

Литература

  • en . Оптимальные статистические решения = Optimal Statistical Decisions. — М. : Мир, 1974. — 492 с.
Источник —

Same as Многомерное нормальное распределение