學習筆記,僅供參考,有錯必糾
王學明應用多元分析
隨機向量
數字特徵
設x和y是兩個隨機變量,它們之間的相關係數定義爲:
它度量了x和y之間線性相關關係的強弱,ρ的取值範圍爲[−1,1]
設x=(x1,x2,...,xp)′和y=(y1,y2,...,yq)′分別爲p維和q維隨機向量,x和y的相關矩陣定義爲:
若ρ(x,y)=0,則稱x和y不相關。當x=y時,ρ(x,x)稱爲x的相關矩陣,記作R=(ρij),這裏ρij=ρ(xi,xj),ρii=1,即:
相關矩陣R=(ρij)和協方差矩陣∑=(σij)之間有關係式:
R=D−1∑D−1
其中,D=diag(σ11,σ22,..,σpp);R和∑相應的元素之間的關係式爲:
ρij=σiiσjjσij
需要指出,∑中的σij(i=j)之間在一般情況下不可直接比較大小,而R中的ρij(i=j)之間的大小卻可以直接比較。
歐氏距離和馬氏距離
x=(x1,x2,...,xp)′和y=(y1,y2,...,yp)′之間的歐氏距離爲:
爲避免根號表達的麻煩,我們常使用平方歐氏距離:
幾何上,歐氏距離是兩點之間的直線距離。如果各分量的單位不全相同,則直接使用上述歐氏距離一般是沒有意義的。
馬氏距離公式的導出:
存在點x=(x1,x2,...,xp)′和點y=(y1,y2,...,yp)′,它們之間的平方馬氏距離爲:
d2(x,y)=(x−y)′Σ−1(x−y)
點x=(x1,x2,...,xp)′到總體π的平方馬氏距離定義爲:
d2(x,π)=(x−μ)′Σ−1(x−μ)
馬氏距離的特點:
(1)馬氏距離對下列形式的p維向量x度量單位的改變具有不變性:
y=Cx+b
其中C爲p×p階的非退化常數矩陣,b爲p維常數向量。
證明:
(2)馬氏距離是x和y經標準化之後的歐氏距離。這是因爲,若令x∗=Σ−1/2(x−μ),y∗=Σ−1/2(y−μ),則:
d2(x,y)=(x∗−y∗)′(x∗−y∗)
(3)若Σ=diag(σ11,σ22,...,σpp),則: