应用多元统计分析课后习题答案详解北大高惠璇(第八章习题解答)范本.ppt
应用多元统计分析课后习题答案详解北大高惠璇(第二章部分习题解答) (2).ppt
4 3
u1u2
1
2
exp[
1 2
(2u12
u22
2u1u2 )]du1du2
1
2
u12
u1e 2
1
2
u2e
1 2
(
u2
u1
)
2
du2
du1
1
2
u12
u1e 2
1
2
(u2
u1
)e
1 2
(u2
u1
)
2
du2
u1
e
1 2
(
u2
u1
)
2
du2
du1
1
2
u e
2
u12 2
2
x12
22
x1
65
x12
14
x1
49)
1 2
(
x2
x1
7)2
e e dx2
2
1 e
1 2
(
x12
8
x1
16)
2
1
2
e dx
1 2
(
x2
x1
7
)
2
2
1 e
1 2
(
x1
4
)
2
2
X1 ~ N(4,1).
类似地有
f2 (x2 ) f (x1, x2 )dx1
1
e
1 4
(
x2
3)2
X
X X
(1) (2)
~
N
2
p
(1) (2)
,
1 2
2 1
,
其中μ(i) (i＝1，2)为p维向量,Σi (i＝1，2)为p阶矩阵，
应用多元统计分析课后答案
第二章2.1.试叙述多元联合分布和边际分布之间的关系。
解：多元联合分布讨论多个随机变量联合到一起的概率分布状况，12(,,)p X X X X '=的联合分布密度函数是一个p 维的函数，而边际分布讨论是12(,,)p X X X X '=的子向量的概率分布，其概率密度函数的维数小于p 。
2.2设二维随机向量12()X X '服从二元正态分布，写出其联合分布。
解：设12()X X '的均值向量为()12μμ'=μ，协方差矩阵为21122212σσσσ⎛⎫ ⎪⎝⎭，则其联合分布密度函数为1/21222112112222122121()exp ()()2f σσσσσσσσ--⎧⎫⎛⎫⎛⎫⎪⎪'=---⎨⎬ ⎪⎪⎝⎭⎝⎭⎪⎪⎩⎭x x μx μ。
2.3已知随机向量12()X X '的联合密度函数为121212222[()()()()2()()](,)()()d c x a b a x c x a x c f x x b a d c --+-----=--其中1a x b ≤≤，2c x d ≤≤。
求（1）随机变量1X 和2X 的边缘密度函数、均值和方差； （2）随机变量1X 和2X 的协方差和相关系数； （3）判断1X 和2X 是否相互独立。
（1）解：随机变量1X 和2X 的边缘密度函数、均值和方差；112121222[()()()()2()()]()()()dx cd c x a b a x c x a x c f x dx b a d c --+-----=--⎰12212222222()()2[()()2()()]()()()()dd cc d c x a x b a x c x a x c dx b a d c b a d c -------=+----⎰ 12122222()()2[()2()]()()()()dd cc d c x a x b a t x a t dt b a d c b a d c ------=+----⎰2212122222()()[()2()]1()()()()d cdcd c x a x b a t x a t b a d c b a d c b a------=+=----- 所以由于1X 服从均匀分布，则均值为2b a +，方差为()212b a -。
应用多元统计分析课后答案
第二章2.1.试叙述多元联合分布和边际分布之间的关系。
解：多元联合分布讨论多个随机变量联合到一起的概率分布状况，12(,,)p X X X X '=的联合分布密度函数是一个p 维的函数，而边际分布讨论是12(,,)p X X X X '=的子向量的概率分布，其概率密度函数的维数小于p 。
2.2设二维随机向量12()X X '服从二元正态分布，写出其联合分布。
解：设12()X X '的均值向量为()12μμ'=μ，协方差矩阵为21122212σσσσ⎛⎫ ⎪⎝⎭，则其联合分布密度函数为1/21222112112222122121()exp ()()2f σσσσσσσσ--⎧⎫⎛⎫⎛⎫⎪⎪'=---⎨⎬ ⎪⎪⎝⎭⎝⎭⎪⎪⎩⎭x x μx μ。
2.3已知随机向量12()X X '的联合密度函数为121212222[()()()()2()()](,)()()d c x a b a x c x a x c f x x b a d c --+-----=--其中1a x b ≤≤，2c x d ≤≤。
求（1）随机变量1X 和2X 的边缘密度函数、均值和方差； （2）随机变量1X 和2X 的协方差和相关系数； （3）判断1X 和2X 是否相互独立。
（1）解：随机变量1X 和2X 的边缘密度函数、均值和方差；112121222[()()()()2()()]()()()dx cd c x a b a x c x a x c f x dx b a d c --+-----=--⎰12212222222()()2[()()2()()]()()()()dd cc d c x a x b a x c x a x c dx b a d c b a d c -------=+----⎰ 12122222()()2[()2()]()()()()dd cc d c x a x b a t x a t dt b a d c b a d c ------=+----⎰2212122222()()[()2()]1()()()()d cdcd c x a x b a t x a t b a d c b a d c b a------=+=----- 所以由于1X 服从均匀分布，则均值为2b a +，方差为()212b a -。
多元应用统计第八章答案
多元应用统计第八章答案1、对某高中一年级男生38人进行体力测试（共7项指标）及运动能力测试（共5项指标），试对两组指标做典型相关分析。
体力测试指标：x1-反复横向跳（次），x 2-纵跳（cm），x 3-臂力（kg），x 4-握力（kg），x 5-台阶试验（指数），x 6-立定体前屈（cm），x 7-俯卧上体后仰（cm）。
运动能力测试指标: x8-50米跑（秒），x 9-跳远（cm），x 10-投球（m），x11-引体向上（次），x12-耐力跑（秒）。
矩阵Run MATRIX procedure:一、两组变量间的相关系数Correlations for Set-1X1 X2 X3 X4 X5 X6 X7X1 1.0000 .2701 .1643 -.0286 .2463 .0722 -.1664X2 .2701 1.0000 .2694 .0406 -.0670 .3463 .2709X3 .1643 .2694 1.0000 .3190 -.2427 .1931 -.0176X4 -.0286 .0406 .3190 1.0000 -.0370 .0524 .2035X5 .2463 -.0670 -.2427 -.0370 1.0000 .0517 .3231X6 .0722 .3463 .1931 .0524 .0517 1.0000 .2813X7 -.1664 .2709 -.0176 .2035 .3231 .2813 1.0000Correlations for Set-2X8 X9 X10 X11 X12X8 1.0000 -.4429 -.2647 -.4629 .0777X9 -.4429 1.0000 .4989 .6067 -.4744X10 -.2647 .4989 1.0000 .3562 -.5285X11 -.4629 .6067 .3562 1.0000 -.4369X12 .0777 -.4744 -.5285 -.4369 1.0000Correlations Between Set-1 and Set-2X8 X9 X10 X11 X12X1 -.4005 .3609 .4116 .2797 -.4709X2 -.3900 .5584 .3977 .4511 -.0488X3 -.3026 .5590 .5538 .3215 -.4802X4 -.2834 .2711 -.0414 .2470 -.1007X5 -.4295 -.1843 -.0116 .1415 -.0132X6 -.0800 .2596 .3310 .2359 -.2939X7 -.2568 .1501 .0388 .0841 .1923首先给出的是Correlations for Set-1、Correlations for Set-2为两组变量的内部各自相关矩阵。
应用多元统计分析课后习题答案详解北大高惠璇部分习题解答课件
则
W X X X X ( ( 1 2 ) ) X X ( ( 1 1 ) ) X X ( ( 1 2 ) ) X X ( (2 2 ) ) W W 1 21 1 W W 1 2 2 2 , 即
W 1 1 X ( 1 ) X ( 1 )W ,2 2 X ( 2 ) X ( 2 )
性质4 分块Wishart矩阵的分布:设X(α) ～ Np(0,Σ) (α
＝1,…,n)相互独立，其中
又已知随机矩阵
1211
12 r 22pr
W n 1X ()X ( ) W W 1 21 1W W 1 2 2 2p r r~ W p(n , )
因 X H ~ 0 下 N p(0 ,1 n 0 ),n (X 0 )H ~ 0 下 N p(0 , 0 )
所以由§3“一﹑2.的结论1”可知
2ln~2(p).
20
第三章 多元正态总体参数的检验
3-6 (均值向量各分量间结构关系的检验) 设总体
X～Np(μ ,Σ )(Σ ＞0),X(α) (α ＝1,…,n)(n＞p)为 来自p维正态总体X的样本，记μ ＝(μ 1,…,μ p)′.C 为k×p常数(k<p),rank(C)=k,r为已知k维向量.试给出 检验H0:Cμ ＝r的检验统计量及分布.
6
第三章 多元正态总体参数的检验
证明 记rk(A)=r.
若r=n,由AB＝O,知B＝ On×n,于是 X′AX与X′BX
若r=0时,则A＝0,则两个二次型也是独 立的. 以下设0＜r＜n.因A为n阶对称阵,存在正 交阵Γ,使得
7
第三章 多元正态总体参数的检验
其中λi≠0为A的特征值(i=1,…,r).于是
应用多元统计分析课后题答案
c) c)2
2( x1
a)( x2
c)]
其中 a x1 b ， c x2 d 。求 （1）随机变量 X1 和 X 2 的边缘密度函数、均值和方差； （2）随机变量 X1 和 X 2 的协方差和相关系数； （3）判断 X1 和 X 2 是否相互独立。
（1）解：随机变量 X1 和 X 2 的边缘密度函数、均值和方差；
12
2 2
1/
2
exp
1 2
(x
μ)
12 21
12
2 2
1
(x
μ)
。
2.3 已知随机向量 ( X1 X 2 ) 的联合密度函数为
f
( x1 ,
x2 )
2[(d
c)( x1
a)
(b a)(x2 (b a)2 (d
μ)
1 n 1
n i 1
E(Xi
-
μ)(
X i
-
μ)
nE(X
μ)(X
μ)
Σ
。
故 S 为 Σ 的无偏估计。 n 1
2.9.设 X(1) , X(2) , ..., X(n) 是从多元正态分布 X ~ N p (μ, Σ) 抽出的一个简单随机样本，试求 S
c) 2(x1 a)(x2 a)2(d c)2
c)]
dx2
2(d c)(x1 a)x2 d dc 2[(b a)t 2(x1 a)t] dt
(b a)2 (d c)2
应用多元统计分析课后答案
应用多元统计分析课后答案第二章2.1.试叙述多元联合分布和边际分布之间的关系。
解：多元联合分布讨论多个随机变量联合到一起的概率分布状况，12(,,)p X X X X '=的联合分布密度函数是一个p 维的函数，而边际分布讨论是12(,,)p X X X X '=的子向量的概率分布，其概率密度函数的维数小于p 。
2.2设二维随机向量12()X X '服从二元正态分布，写出其联合分布。
解：设12()X X '的均值向量为()12μμ'=μ，协方差矩阵为21122212σσσσ⎛⎫ ⎪⎝⎭，则其联合分布密度函数为1/21222112112222122121()exp ()()2f σσσσσσσσ--⎧⎫⎛⎫⎛⎫⎪⎪'=---⎨⎬ ⎪ ⎪⎝⎭⎝⎭⎪⎪⎩⎭x x μx μ。
2.3已知随机向量12()X X '的联合密度函数为121212222[()()()()2()()](,)()()d c x a b a x c x a x c f x x b a d c --+-----=--其中1a x b ≤≤，2c x d ≤≤。
求（1）随机变量1X 和2X 的边缘密度函数、均值和方差； （2）随机变量1X 和2X 的协方差和相关系数； （3）判断1X 和2X 是否相互独立。
（1）解：随机变量1X 和2X 的边缘密度函数、均值和方差；112121222[()()()()2()()]()()()dx cd c x a b a x c x a x c f x dx b a d c --+-----=--⎰12212222222()()2[()()2()()]()()()()dd c c d c x a x b a x c x a x c dx b a d c b a d c -------=+----⎰ 12122222()()2[()2()]()()()()dd cc d c x a x b a t x a t dt b a d c b a d c ------=+----⎰2212122222()()[()2()]1()()()()d cdcd c x a x b a t x a t b a d c b a d c b a------=+=----- 所以由于1X 服从均匀分布，则均值为2b a +，方差为()212b a -。
应用多元统计分析课后习题答案详解北大高惠璇 习题解答
第七章 主成分分析
7-10
18
第七章 主成分分析
77--1112
19
主成分向量为
Z ( X 1 ,X 2 ,X 3 ) 或 Z ( X 2 ,X 1 ,X 3 )
三个主成分的方差分别为4,4,2.
10
第七章 主成分分析
7-6
设3维总体X的协差阵为
2 2
2 2
0
2
0 2 2
试求总体主成分，并计算每个主成分解释的方差比例
解:
11
第七章 主成分分析
7-7 设4维随机向量X的协差阵是
2
12
பைடு நூலகம்
13 14
12 2
14 13
13 14 2
12
14
13
12 2
,
其中 1 21 31,421 4 21.3
试求X的主成分.
12
第七章 主成分分析
解:
13
第七章 主成分分析
7-8
14
第七章 主成分分析
15
第七章 主成分分析
7-9
16
第七章 主成分分析
应用多元统计分析
第七章习题解答
第七章 主成分分析
7-1 设X=(X1, X2)′的协方差阵 试从Σ和相关阵R出发求出总体主成分，
14
1040,
并加以比较.
解:
2
第七章 主成分分析
3
第七章 主成分分析
4
第七章 主成分分析
7-2 设X=(X1, X2)′～N2(0,Σ),协方差Σ＝
其中ρ为X1和X2的相关系数(ρ>0). (1) 试从Σ出发求X
1
1
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
i 1
i 1
i m 1
其中1 2 p 0 为S的特征值，li为相应的
标准特征向量。
精心整理
14
第八章 因子分析
设A,D是因子模型的主成分估计,即
A 1l1 mlm ,
若记 B l m1 m1 p lp , 有
S (A | B) BA AA BB
则 D diag(BB)
(1)取公因子个数m 1时,求因子模型的主成分解,
并计算误差平方和Q(1).
解 : m 1的因子模型的主成分解为:
0.8757 0.2331 0
0
A(
1
l1
)
0.8312 0.7111
,
D
0 0
0.3091 0
0.40943
精心整理 5
第八章 因子分析
记 E1 R (AA D)
1
0.63 1
E2
R
( AA
D)
1
0.63 1
精心整理
00..13455 ( AA D)
8
第八章 因子分析
AA
D
1
0.8008 1
00..341099775
E2
0
0.1708 0
00.0.00440735
故
33
Q(2)
2 ij
2 (0.17082
0.04752
0.04032 )
i1 j1
0.06611 精心整理 9
13
第八章 因子分析
8-4 证明公因子个数为m的主成分解，其误差平方
和Q(m)满足以下不等式
pp
p
Q(m)
2 ij
2j ,
i1 j1
j m1
其中E＝S-(AA′+D)=(εij),A,D是因子模型的主成分估计.
解：设样本协差阵S有以下谱分解式：
p
m
p
S ilili ilili ilili
(D AA)1 D 1 D 1 A(I m AD 1 A)1 AD 1 (2)
A(D AA)1 (I m AD 1 A)1 AD 1 (3)
I m A(D AA)1 A (I m AD 1 A)1
由第三式和第二式即得 Im (Im AD1A)1 A(D AA)1 A
精心整(理Im AD1A)1 AD1A (1)
Q(2)
32
[(
2 1
)2
(
2 2
)2
(
2 3
)2
]
0.36722 [0.20072 0.14522 0.011312 ]
0.1348 0.06149 0.07331
(3) 试求误差平方和Q(m)＜0.1的主成分解. 因Q(2)=0.07331＜0.1，故m=2的主成分解满足要求.
精心整理 10
第八章 因子分析
8-3 验证下列矩阵关系式(A为p×m阵)
(1) (I AD1A)1 AD1A I (I AD1A)1;
(2) ( AA D)1 D1 D1A(I AD1A)1 A1D1;
(3) A( AA D)1 (Im AD1A)1 AD1.
解：利用分块矩阵求逆公式求以下分块矩阵的逆：
第八章 因子分析
或者利用习题8-4的结果:
pp
p
p
p
Q(m)
2 ij
2j
(
2 i
)2
2j ,
i1 j1
j m1
i1
j m1
Q(1)
(22
32 )
[(
2 1
)2
(
2 2
)2
(
2 3
)2
]
0.67952 0.36722 [0.23312 0.30912 0.49432 ]
0.5966 0.3943 0.2023
B
D A
I
mA
p m
记B22•1 Im AD1 A, B11•2 D AA,
利用附录中分块求逆的二个公式(4.1)和(4.2)有：
精心整理 11
第八章 因子分析
B 1
D A
I
A
m
1
B11 B 21
B12 B 22
D 1
D
1A
B1 22•1
AD
1
B 1 22•1
AD
1
D
1A
B1 22•1
a31a21 0.35
a31 0.5, a21 0.7, a11 0.9,
2 1
1
a121
1
0.81
0.19,
2 2
1
a221
0.51,
2 3
1
a321
0.75
精心整理
3
第八章 因子分析
故 m 1的正交因子模型为
X1 0.9F1 1 X 2 0.7F1 2 X 3 0.5F1 3
应用多元统计分析
第八章习题解答
精心整理 1
第八章 因子分析
精心整理 2
第八章 因子分析
a121
2 1
1
a221
2 2
1
a321
2 3
1
a11a21 0.63
a11a31 0.45
a21 a31
0.63 0.45
7 5
, a21
7 5
a31
a31
7 5
a31
0.35,
a321
0.35 7
5
0.25
B 1 22•1
B 1 11•2
AB111•2
Im
B 1 11•2
A
AB111•2
A
由逆矩阵的对应块相等，即：
精心整理 12
第八章 因子分析
B 1 11•2
D 1
D1 AB221•1 AD 1
B11
AB111•2
B 1 22•1
AD
1
B 21
Im
AB111•2 A
B 1 22•1
B 22
把B22·1和B11·2式代入以上各式，可得：
并计算误差平方和Q(2).
解 : m 2的因子模型的主成分解为:
0.8757 0.1802
A(
1l1,
2
l2
)
0.8312
0.4048,
0.7111 0.6950
精心整理 7
第八章 因子分析
D
0.2007 0 0
0 0.1452
0
0.0100131
则m 2的正交因子模型为
X1 0.8757F1 0.1802F2 1 X 2 0.8312F1 0.4048F2 2 X 3 0.7111F1 0.6950F2 3
特殊因子ε＝(ε1, ε2,…,εp)'的协差阵D为：
0.19 0 0
D
0 0
0.51 0
精心整理
0.075
4
第八章 因子分析
8 2 已知8 1中R的特征值和特征向量为
1 1.9633 l1 (0.6250,0.5932,0.5075), 2 0.6795 l2 (0.2186,0.4911,0.8432), 3 0.3672 l3 (0.7494,0.6379,0.1772).
E S (AA D) BB D,即BB E D.
00..13455
1
0.7279 1
00..651292171
0
0.0979 0
00..102742171
精心整理 6
第八章 因子分析
33
故 Q(1)
2 ij
2 (0.09792
0.17272
0.24112 )
i1 j1
0.1951
(2)取公因子个数m 2时,求因子模型的主成分解,