Многомерный статистический анализ
Методические указания к выполнению курсовой работы
Покупка
Год издания: 2007
Кол-во страниц: 48
Дополнительно
Вид издания:
Учебно-методическая литература
Уровень образования:
ВО - Специалитет
Артикул: 841947.01.99
Изложены основные понятия и методы статистического анализа многомерных результатов технических экспериментов. Приведены теоретические сведения о свойствах многомерных гауссовских распределений.
Для студентов старших курсов факультета фундаментальных наук.
Тематика:
ББК:
УДК:
ОКСО:
- ВО - Бакалавриат
- 02.03.02: Фундаментальная информатика и информационные технологии
- ВО - Специалитет
- 01.05.01: Фундаментальные математика и механика
- 03.05.02: Фундаментальная и прикладная физика
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов
Московский государственный технический университет имени Н.Э. Баумана Г.Д. Карташов, В.И. Тимонин, Л.М. Будовская МНОГОМЕРНЫЙ СТАТИСТИЧЕСКИЙ АНАЛИЗ Методические указания к выполнению курсовой работы М о с к в а Издательство МГТУ им. Н.Э. Баумана 2 0 0 7
УДК 519.2 ББК 22.172 К27 Рецензент В.Ю. Чуев Карташов Г.Д., Тимонин В.И., Будовская Л.М. К27 Многомерный статистический анализ: Методические указа- ния к выполнению курсовой работы. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2007. – 48 с.: ил. Изложены основные понятия и методы статистического анализа многомерных результатов технических экспериментов. Приведены теоретические сведения о свойствах многомерных гауссовских распределений. Для студентов старших курсов факультета фундаментальных наук. Ил. 2. Библиогр. 5 назв. УДК 519.2 ББК 22.172 © МГТУ им. Н.Э. Баумана, 2007
ВВЕДЕНИЕ Основное внимание в пособии уделяется методам анализа зависимостей между многомерными величинами, наблюдаемыми в ходе эксперимента. Результатом эксперимента, рассматриваемого в пособии, является случайный вектор, распределенный по нормальному закону. Приводятся методы обработки статистических данных, наиболее часто используемые в промышленности и науке. При усвоении материала (особенно в разд. 6) требуется определенный навык работы с матрицами. Предполагается также, что студенты знают такие базовые понятия, как несмещенность, состоятельность и эффективность точечных оценок неизвестных параметров; размер критерия, его критическая область и др. Некоторые математические сведения, необходимые для понимания выкладок, содержатся в приложении. Для наглядного представления получаемых результатов рекомендуется пользоваться пакетами SAS или «STATISTICA», изучение которых входит в спецкурс «Статистические программные комплексы».
1. МНОГОМЕРНОЕ НОРМАЛЬНОЕ РАСПРЕДЕЛЕНИЕ 1.1. Многомерная нормальная плотность Часто результатом эксперимента является совокупность чисел, характеризующая некоторый исследуемый объект. Например, при обследовании пациентов в больнице у них могут измерять температуру тела ( 1 ξ ) и артериальное давление ( 2 ξ ). Ясно, что у различных пациентов пара ( 1 2 , ξ ξ ) принимает различные значения, поэтому с полным основанием можно говорить о случайном векторе 1 2 ( , ). ξ = ξ ξ G Определение 1.1. Случайный вектор размерности p ξ = G ( ) 1 2 , , , p = ξ ξ ξ … называется нормальным (гауссовским), если его совместная плотность распределения имеет вид G G G G … (1.1) ( ) ( ) 1 1 / 2 1 1 , , exp , 2 2 p p f x x x D x D − ′ ⎛ ⎞ = − −μ −μ ⎜ ⎟ ⎝ ⎠ π ( ) ( ) где ( ) 1, , p x x x ′ = G … – вектор аргументов; ( ) 1, , p ′ μ = μ μ G … – некотоG рый числовой вектор; D – симметричная, положительно-определенная матрица; «'» – знак транспонирования; D – определитель матрицы . В дальнейшем всегда под вектором будем понимать векторстолбец. Кроме того, для краткости совместную плотность будем обозначать ( ). f x G Запись в виде ξ ~ ( ) , N D μ G означает, что вектор ξ G имеет p-мерное нормальное распределение.
Теорема 1.1. Вектор μ
G состоит из математических ожиданий
компонент вектора
,
ξ
G
матрица D является матрицей ковариаций
т. е.
компонент ,
ξ
G
1
E
E
E
D
E
2
;
,
(
)(
)
G
G
G
G
G
G
#
(1.2)
E
p
ξ
ξ
′
ξ =
= μ
=
ξ −μ ξ −μ
ξ
где Е – знак математического ожидания.
Д о к а з а т е л ь с т в о. Пусть η
G – случайный вектор,
B
b
ξ =
η+
G
G
G
–
линейное преобразование
,
η
G где B – квадратная матрица размеL
ров
;
p
p
×
b
– числовой вектор. Обозначим
,
D
D
ξ
η матрицы ковариаций
,
.
ξ η
G G В пособии [1] показано, что векторы средних
,
E
μ =
ξ
G
G
E
ν =
η
G
G и матрицы ковариаций
,
D
D
ξ
η связаны соотношениями
G
G
G
(1.3)
;
.
B
b
D
BD B
η
ξ
μ =
ν +
=
′
Матрица D из (1.2) – симметричная, положительно-определенная, поэтому справедливо ее представление [2]
,
D
C C′
=
Λ
где C –
ортогональная матрица, составленная из собственных векторов матрицы
;
D Λ – диагональная матрица с собственными числами
0
i
λ >
матрицы D по главной диагонали. Рассмотрим преобразование
( )
(
)
1/ 2
,
L x
C
x
−
′
= Λ
−μ
G
G
G
(1.4)
1/ 2
,
0,
;
1/
,
1, .
ij
ij
ii
i
i
j
i
p
−
Λ
= λ
λ =
≠
λ =
λ
=
где
{
}
Пусть
( )
L
η =
ξ
G
G
– случайный вектор. Совместная плотность его
компонент
,
1,
i i
p
η
=
, определенная по общим правилам (см. приложение), равна