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
最新应用多元统计分析课后习题答案高惠璇PPT课件
(2) 考虑随机变量Y= X1-X2 ,显然有
YX 1X2 0 X 1X 1,当 估计
P{Y0}P{X11或 X11} P{X11}P{X11} (X1~N(0,1)) 2(1)0.317 04
若(X1 , X2 ) 是二元正态分布,则由性质4可知,
31
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
32
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
P { X 2 x } P { X 1 x } ( x )
当x≥1时, P{X2x}
P{X2 1}P{1X2 1}P{1X2 x}
P{X11}P{1X11}P{1X1x}
P{X1x}(x) 17
第二章 多元正态分布及参数的估计
当-1≤x≤1时,
P{X2 x}P{X2 1}P{1X2 x} P{X1 1}P{xX1 1} P{X1 1}P{1X1 x} P{X1 x}(x)
它的任意线性组合必为一元正态. 但Y= X1-X2 不是正态分布,故(X1 , X2 ) 不是二元正态分布.
19
第二章 多元正态分布及参数的估计
2-17 设X～Np(μ,Σ),Σ＞0,X的密度函数记为 f(x;μ,Σ).(1)任给a＞0,试证明概率密度等高面
f(x;μ,Σ)= a
是一个椭球面. (2) 当p=2且
比较上下式相应的系数,可得:
1
2 2
2
1 2
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).ppt
1
11
2 1
1
11
0
故X1 +X2 和X1 - X2相互独立.
3
第二章 多元正态分布及参数的估计
或者记
Y
Y1 Y2
X1 X1
X2 X2
11
11
X1 X2
CX
则 Y ~ N2 (C,CC)
因ΣY
CC
11
11
2
1
1
11
11
2
11
1111
11
2
2(1 0
)
0 2(1
)
由定理2.3.1可知X1 +X2 和X1 - X2相互独立.
y12
1b2
y22
2b2
y
2 p
pb2
1
故概率密度等高面 f(x;μ,Σ)= a是一个椭球面.
(2)当p=2且
2
1
1
(ρ>0)时,
| | 4 (1 2 ).
由
| I p
|
2 2
2 2
( 2
)2
42
( 2 2)( 2 2) 0
可得Σ的特征值 1 2 (1 ), 2 2 (1 ).
X1
1
18
第二章 多元正态分布及参数的估计
P{Y 0} P{X1 1或X1 1} P{X1 1} P{X1 1} (X1 ~ N(0,1)) 2(1) 0.3174 0
若(X1 , X2 ) 是二元正态分布,则由性质4可知,
它的任意线性组合必为一元正态. 但Y= X1-X2 不是正态分布,故(X1 , X2 ) 不是二元正态分布.
f (x; , ) a
a0 (2 ) p/ 2 |
应用多元统计课后答案解析
2(d c)(x 1 a)x 2 (b a)2(d c)2 2[(b a )(X 2 c) 2(X 1 a )(X 2 c)] (b a)2(d c)2dx 22(d c)(x.| a)x 222~(b a) (d c) c2[(b a)t 2(X 1 a)t]2 2 (b a) (d c)dt 2(d c)(x-i a)x 22 2(b a) (d c)所以d c2 2(b a) (d c) o2 2[(b a)t 2(X 1 a)t ] 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，X (X !,X 2^|X p )的联合分布密度函数是-个p 维的函数，而边际分布讨论是 X (X i ,X 2」||X p)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(X 1 X 2)服从二元正态分布，写出其联合分布。
其中 a X 1 b , c X 2 d 。
求(1 )随机变量X 1和X 2的边缘密度函数、均值和方差；(2) 随机变量X 1和X 2的协方差和相关系数； (3) 判断X 1和X 2是否相互独立。
(1)解：随机变量 X 1和X 2的边缘密度函数、均值和方差;2[(d c)(x-i a) (b a)(x 2 c) 2(x 1 a)(x 2c)]2 2(b a) (d c)id解：设(X 1 X 2)的均值向量为口 ，协方差矩阵为21；，则其联合分布密度函数为21/21f(X).2-2.3已知随机向量(X 1f(X 1,X 2)型21122 2exp口)2112 2 2(X口)。
X 2) c)(X 的联合密度函数为a) (b a)(X 2c) 2 2(b a) (d c)2(X 1 a)(x 2 c)] dx(C d)(b a)36COV(N，X2)X i X2(3)解：判断X i和X2是否相互独立。
X i 和X2 由于f(X!,X2) f x,X i) f x,(X2)，所以不独立。
应用多元统计分析章节后习题答案详解北大高惠璇习题解答市公开课金奖市赛课一等奖课件
第10页 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下列分块矩阵逆：
(3) 主成份分析是将主成份表示为原变量线性 组合,而因子分析是将原始变量表示为公因子和 特殊因子线性组合,用假设公因子来“解释”相 关阵内部依赖关系.
这两种分析办法又有一定联系.当预计办法采 用主成份法,因子载荷阵A与主成份系数相差一 个倍数;因子得分与主成份得分也仅相差一个常 数.这种情况下可把因子分析当作主成份分析推 广和发展.
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
第7页
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
p
m
p
S ilili ilili ilili
i 1
i 1
i m 1
其中1 2 p 0 为S特性值，li为相应原则
特性向量。
第14页 14
第八章 因子分析
设A,D是因子模型主成份预计,即
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省名师优质课赛课获奖课件市赛课一等奖课件
4.7067
取a 1 A1( (1) (2) )
d
1 65 1381
3323 ,
则aAa
1,
且a满足 : Ba Aa ( d 2 ).
12
第五章 鉴别分析
判别效率(a) aBa 4.7067.
aAa
Fisher线性判别函数为u( X ) aX
1 89765
(32
X1
33X
2 判别准则为 判X G1 , 当W ( X ) 0,
判X G2 , 当W ( X ) 0, 试求错判概率P(2 |1)和P(1| 2).
解 : 记a 1 ( (1) (2) ),W ( X ) ( X )a是X的
线性函数,当X
G1时,W
(
X
)
~
N1
(1,
2 1
), 且
20
第五章 鉴别分析
20 20
时,
u
(
X
(1)
)
1 89765
(32,33)
20 20
4.3390
因u( X (1) ) 4.3390 u* , 判X (1) G2.
当X (1)
15 20
时,
u
(
X
(2)
)
1 89765
(32,33)1250
3.8050
因u( X (2) ) 3.8050 u* 判X (2) G1.
其中W ( X ) a( X *)
( X * )1( (1) (2) ) ,
* 1 ( (1) (2) ).
2 10
第五章 鉴别分析
5-4 设有两个正态总体G1和G2,已知(m=2)
(1)
1105, (2)
高惠璇多元统计分析习题答案
第四章4-1 设⎪⎩⎪⎨⎧++=+-=+=,2,2,332211εεεb a y b a y a y ).,0(~323321I N σεεεε⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=（1）试求参数b a ,的最小二乘估计；（2）试导出检验b a H =:0的似然比统计量，并指出当假设成立时，这个统计量是分布是什么？解：（1）由题意可知.,,,211201321321⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎦⎤⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=εεεεβ b a y y y Y C 则⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-⎪⎪⎪⎪⎭⎫ ⎝⎛⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-==--321'1''1'211201************)(ˆy y y Y C C C β.ˆˆ)2(51)2(6132321⎥⎦⎤⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+-++ba y y y y y（2）由题意知，检验b a H =:0的似然比统计量为2322ˆ⎪⎪⎭⎫ ⎝⎛=σσλ 其中，])ˆ2ˆ()ˆˆ2()ˆ[(31ˆ2322212b a y b a y a y --++-+-=σ。
当0H 成立时，设0a b a ==，则⎪⎩⎪⎨⎧+=+=+=,3,,303202101εεεa y a y a y ,311⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=C 可得,ˆ)3y (111311311311)(ˆ0321321'1''1'ay y y y y Y C C C =++=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎪⎪⎪⎪⎭⎫ ⎝⎛⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡==--β ],)ˆ3()ˆ()ˆ[(31ˆ20320220120a y a y ay -+-+-=σ因此，当假设0H 成立时，与似然比统计量λ等价的F 统计量及其分布为).1,1(~ˆˆˆ2202F F σσσ-=4-3 设Y 与321,,x x x 有相关关系，其8组观测数据见表4.5.表 4.5 观测数据序号 1x2x3xY1 38 47.5 23 66.02 41 21.3 17 43.0 3 34 36.5 21 36.0 4 35 18.0 14 23.0 5 31 29.5 11 27.06 34 14.2 9 14.07 29 21.0 4 12.0 83210.087.6（1）设εββββ++++=3322110x x x Y ，试求回归方程及决定系数2R 和均方误差2s 。
应用多元统计分析.ppt
料作统计分析，我们能够得出：
第一章
§1.2
绪
论
多元统计分析的应用领域--教育学
(1) 高考成绩和高中学习期间成绩的关系,即给出两 组变量线性组合间的关系,从而可由考生在高中期间的 学习成绩来预报高考的综合成绩或某科目的成绩.
(2) 给出考生成绩次序排队的最佳方案(最佳 组合).总分可以体现一个考生成绩好坏,但对报 考概率统计系的学生,按总分从高到低的顺序录 取并不是最合适的.应按适当的权数加权求和.如 数学、物理、外语的权数相对高些.
第一章
§1.1
绪
论
引言--多元分析的研究对象和内容
综上所述，多元分析以ｐ个变量的n次观 测数据组成的数据矩阵 x11 x12 … x1p x21 x22 … x2p
X=
xn1 xn2 … xnp
…. ….
…. ….
为依据。根据实际问题的需要，给出种种方法 。英国著名统计学家Ｍ.肯德尔（M.G.Kendall ）在《多元分析》一书中把多元分析所研究的 内容和方法概括为以下几个方面：
第一章
§1.1
绪
论
引言--多元分析的研究对象和内容
1. 简化数据结构(降维问题) 例如通过变量变换等方法使相互依赖的变量 变成互不相关的；或把高维空间的数据投影到 低维空间，使问题得到简化而损失的信息又不 太多.主成分分析，因子分析,对应分析等多元 统计方法就是这样的一类方法。 ２.分类与判别（归类问题）
教育学-主成分分析在学生学习成绩排序中的应用 接着把每个学生12门课程的成绩代入第一 主成分Z1中，计算出每个学生第一主成分Z1的 得分值，然后按从大到小的次序对全班学生的 第一主成分Z1的得分值进行排序。这个次序作 为全班学生在大学本科4年中综合学习成绩的 顺序是更合理更科学的。
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 -。
- 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,