多元统计分析期末试题教学内容

多元统计分析期末复习试题

第一章：多元统计分析研究的内容（5点）1、简化数据结构（主成分分析）2、分类与判别（聚类分析、判别分析）3、变量间的相互关系（典型相关分析、多元回归分析）4、多维数据的统计推断5、多元统计分析的理论基础第二三章：二、多维随机变量的数字特征1、随机向量的数字特征随机向量X 均值向量：随机向量X 与Y 的协方差矩阵：当X=Y 时Cov （X ，Y ）=D （X ）；当Cov （X ，Y ）=0 ，称X ，Y 不相关。

随机向量X 与Y 的相关系数矩阵：2、均值向量协方差矩阵的性质(1).设X ，Y 为随机向量，A ，B 为常数矩阵E （AX ）=AE （X ）；E （AXB ）=AE （X ）B;D(AX)=AD(X)A ’;Cov(AX,BY)=ACov(X,Y)B ’;(2).若X ，Y 独立，则Cov(X,Y)＝０，反之不成立． (3).X 的协方差阵D(X)是对称非负定矩阵。

例2.见黑板三、多元正态分布的参数估计2、多元正态分布的性质(1).若 ,则E(X)= ,D(X)= . )',...,,(),,,(2121P p EX EX EX EX μμμ='= )')((),cov(EY Y EX X E Y X --=qp ij r Y X ⨯=)(),(ρ),(~∑μP N X μ∑p X X X ,,,21特别地，当为对角阵时，相互独立。

(2).若，Ａ为sxp 阶常数矩阵，d 为s 阶向量，ＡＸ＋d ～ . 即正态分布的线性函数仍是正态分布．(3).多元正态分布的边缘分布是正态分布，反之不成立．(4).多元正态分布的不相关与独立等价．例３．见黑板．三、多元正态分布的参数估计 (1)“ 为来自p 元总体X 的（简单）样本”的理解---独立同截面．(2)多元分布样本的数字特征---常见多元统计量样本均值向量＝样本离差阵Ｓ＝样本协方差阵Ｖ＝ S ;样本相关阵Ｒ(3) ,Ｖ分别是和的最大似然估计；(4)估计的性质是的无偏估计； ,Ｖ分别是和的有效和一致估计；；Ｓ～，与Ｓ相互独立；第五章聚类分析：一、什么是聚类分析：聚类分析是根据“物以类聚”的道理，对样品或指标进行分类的一种多元统计分析方法。

应用多元统计分析试题及答案(1)

应用多元统计分析试题及答案(1)多元统计分析是现代统计学中不可或缺的一部分，它是用于对不同数据进行相关分析的高级统计方法。

对于需要进行多因素分析的问题，多元统计分析是必须掌握的技能。

以下是一些应用多元统计分析的试题及答案。

试题1：假设你要进行一项研究，以评估学生在学期末考试成绩与他们的就业情况之间是否存在关联。

你将分析什么类型的多元统计分析？答案：此问题需要进行一种二元多元回归分析。

此方法可以用于探索学期末考试成绩和就业情况之间的相关性。

通过回归分析，我们可以计算出两个变量之间的相关系数以及建立一个数学模型来预测就业成功与否的可能性。

试题2：你是一家旅游公司的行销经理，你想了解你们的财务状况、品牌信誉和市场定位之间的关系。

采用哪种多元统计分析来解决这个问题？答案：这个问题需要进行一种因子分析。

因子分析是一种常用的多元统计技术，可用于探索大量变量之间的共性或相似性。

因此，行销经理可以使用因子分析来探究这三个因素之间的关系，以帮助公司更好地了解市场需求、推广策略和产品定位。

试题3：你是一名医学研究员，你需要研究新型药物的效果以及它是否与特定人群的特征相关。

哪种多元统计分析可用于研究？答案：这个问题需要使用一种路径分析方法。

路径分析是一种分层回归分析技术，可用于探索变量间的直接和间接影响关系。

因此，研究人员可以使用路径分析来研究新型药物的效果以及与特定人群特征的相关性，以便更好地理解治疗效果的影响因素。

试题4：你是一名市场分析师，你需要研究不同年龄、性别和教育水平的人群之间的消费习惯。

采用哪种多元统计分析来解决这个问题？答案：这个问题需要使用一种聚类分析方法。

聚类分析是一种将成为节点的相似对象分组的过程。

因此，市场分析师可以使用聚类分析来将相似的人群以及他们的共同消费习惯分成几个类别，以便更好地了解不同年龄、性别和教育水平背景下的人群之间的消费习惯和偏好。

结论：多元统计分析是一种有用的技术，可以用于探索大量不同变量之间的关系，对于需要分析多个变量之间关系的问题，多元统计分析是必须学习的基本技能。

多元统计分析期末复习

多元统计分析期末复习1.多元统计分析的基本概念a.自变量和因变量的定义：自变量是研究者设定的对因变量可能产生影响的变量；因变量是研究者感兴趣的变量，其取值由自变量决定。

b.共变量和嵌套变量的定义：共变量是对因变量可能产生影响的其他变量，但研究者不感兴趣；嵌套变量是自变量之间可能存在的相互作用变量。

c.直接效应和间接效应：直接效应是自变量对因变量的直接作用效应；间接效应是自变量通过其他中介变量对因变量的间接作用效应。

2.回归分析a.简单线性回归：描述一个自变量对一个因变量的线性关系。

b.多元线性回归：描述多个自变量对一个因变量的线性关系。

包括常规多元线性回归和层次线性回归。

c.逻辑回归：描述二元分类因变量和多元分类因变量的概率关系。

d.变量选择方法：前向选择、后向选择和逐步回归等方法，用于确定最佳的自变量组合。

3.方差分析a.单因素方差分析：描述一个自变量对一个因变量的组间差异。

b.多因素方差分析：描述多个自变量对一个因变量的组间差异，包括两因素方差分析和多因素方差分析。

c.方差分析的假设检验：主要检验组间差异和组内差异的显著性。

d.配对样本方差分析：描述一个自变量对一个因变量的前后差异。

4.判别分析a.二元判别分析：描述一个自变量对二元分类因变量的影响。

b.多元判别分析：描述多个自变量对多元分类因变量的影响。

c.判别分析的假设检验：主要检验自变量对分类因变量的区分度。

5.聚类分析a.基于距离的聚类方法：将样本根据相似度进行分组。

b.基于密度的聚类方法：将样本根据密度进行分组，适用于发现复杂的聚类结构。

c.聚类分析的评估：包括SSE评估、轮廓系数等方法，用于评价聚类质量。

综上所述，多元统计分析涵盖了回归分析、方差分析、判别分析和聚类分析等多种方法，可用于描述多个自变量对一个或多个因变量的影响以及自变量之间的关系。

掌握这些概念和方法，能够帮助研究者进行更深入的数据分析和解释。

多元统计分析期末复习

第一章、多元正态分布的参数估计二、判断题1.多元分布函数是单调不减函数，而且是右连续的。

（√ ）()x F 2.设是维随机向量，则服从多元正态分布的充要条件是：它的任何组合X p X 都是一元正态分布。

（X ）()p R X ∈'αα3.是一个P 维的均值向量，当A 、B 为常数矩阵时，具有如下性质：μ（1）E （AX ）=AE （X ）（2）E （AXB ）=AE （X ）B （√ ）4．若P 个随机变量X1，…XP 的联合分布等于各自边缘分布的乘积，则称X1，…XP 是相互独立的。

（√ ）5．一般情况下，对任何随机向量，协差阵是对称阵，也()'=p X X X ,,1 ∑是正定阵。

（X ）6．多元正态向量的任意线性变换仍然服从多元正态分布。

()'=p X X X ,,1 （√）7．多元正态分布的任何边缘分布为正态分布，反之一样。

（ X ）8．多元样本中，不同样品之间的观测值一定是相互独立的。

（√）9．多元正态总体参数均值的估计量具有无偏性、有效性和一致性。

（√）μX 10．是的无偏估计。

（ X ）S n 1∑11.Wishart 分布是分布在维正态情况下的推广。

（√）2χp 12.若，，且相互独立，则样本离差阵()()∑,~μαp N X n ,,1 =α。

（√）()()()()()∑-'--=∑=,1~1n W X X X X S n p ααα13．若，为奇异矩阵，则。

（ X ）()∑,~n W X p C ()c c n W C CX p '∑',~第二章多元正态分布均值向量和协差阵的检验二、判断题1．设，，，则称统计量的分布为()∑,~μp N X ()∑,~n W S p p n ≥X S X n T 12-'=非中心分布，记为。

（ X ）2HotellingT ()μ,,~22n p T T 2．在协差阵未知的情况下对均值向量进行检验，需要用样本协差阵去代∑S n1替。

多元统计分析期末复习试题

第一章：多元统计分析研究的容（5点）1、简化数据结构（主成分分析）2、分类与判别（聚类分析、判别分析）3、变量间的相互关系（典型相关分析、多元回归分析）4、多维数据的统计推断5、多元统计分析的理论基础第二三章：二、多维随机变量的数字特征1、随机向量的数字特征随机向量X 均值向量：随机向量X 与Y 的协方差矩阵：当X=Y 时Cov （X ，Y ）=D （X ）；当Cov （X ，Y ）=0 ，称X ，Y 不相关。

随机向量X 与Y 的相关系数矩阵：2、均值向量协方差矩阵的性质(1).设X ，Y 为随机向量，A ，B 为常数矩阵E （AX ）=AE （X ）；E （AXB ）=AE （X ）B;D(AX)=AD(X)A ’;Cov(AX,BY)=ACov(X,Y)B ’;)',...,,(),,,(2121P p EX EX EX EX μμμ='= )')((),cov(EY Y EX X E Y X --=q p ij r Y X ⨯=)(),(ρ(2).若X ，Y 独立，则Cov(X,Y)＝０，反之不成立．(3).X 的协方差阵D(X)是对称非负定矩阵。

例2.见黑板三、多元正态分布的参数估计2、多元正态分布的性质(1).若 ,则E(X)= ,D(X)= .特别地，当为对角阵时，相互独立。

(2).若，Ａ为sxp 阶常数矩阵，d 为s 阶向量，ＡＸ＋d ～ . 即正态分布的线性函数仍是正态分布． (3).多元正态分布的边缘分布是正态分布，反之不成立．(4).多元正态分布的不相关与独立等价．例３．见黑板．三、多元正态分布的参数估计(1)“ 为来自p 元总体X 的（简单）样本”的理解---独立同截面． (2)多元分布样本的数字特征---常见多元统计量样本均值向量＝样本离差阵Ｓ＝样本协方差阵Ｖ＝ S ;样本相关阵Ｒ(3) ,Ｖ分别是和的最大似然估计； (4)估计的性质是的无偏估计； ,Ｖ分别是和的有效和一致估计；；Ｓ～，与Ｓ相互独立；第五章聚类分析：一、什么是聚类分析：聚类分析是根据“物以类聚”的道理，对样品或指标进行分类的一种多元统计分析方法。

多元统计分析期末考试考点

多元统计分析期末考试考点The following text is amended on 12 November 2020.二名词解释1、多元统计分析：多元统计分析是运用数理统计的方法来研究多变量（多指标）问题的理论和方法，是一元统计学的推广2、聚类分析:是根据“物以类聚”的道理，对样品或指标进行分类的一种多元统计分析方法。

将个体或对象分类，使得同一类中的对象之间的相似性比与其他类的对象的相似性更强。

使类内对象的同质性最大化和类间对象的异质性最大化3、随机变量：是指的值无法预先确定仅以一定的可能性(概率)取值的量。

它是由于随机而获得的非确定值，是概率中的一个基本概念。

即每个分量都是随机变量的向量为随机向量。

类似地，所有元素都是随机变量的矩阵称为随机矩阵。

4、统计量：多元统计研究的是多指标问题,为了了解总体的特征,通过对总体抽样得到代表总体的样本,但因为信息是分散在每个样本上的,就需要对样本进行加工,把样本的信息浓缩到不包含未知量的样本函数中,这个函数称为统计量三、计算题解：答：答：题型三解答题1、简述多元统计分析中协差阵检验的步骤答：第一，提出待检验的假设和H1；第二，给出检验的统计量及其服从的分布；第三，给定检验水平，查统计量的分布表，确定相应的临界值，从而得到否定域；第四，根据样本观测值计算出统计量的值，看是否落入否定域中，以便对待判假设做出决策（拒绝或接受）。

2、简述一下聚类分析的思想答：聚类分析的基本思想，是根据一批样品的多个观测指标，具体地找出一些能够度量样品或指标之间相似程度的统计量，然后利用统计量将样品或指标进行归类。

把相似的样品或指标归为一类，把不相似的归为其他类。

直到把所有的样品（或指标）聚合完毕.3、多元统计分析的内容和方法答：1、简化数据结构,将具有错综复杂关系的多个变量综合成数量较少且互不相关的变量，使研究问题得到简化但损失的信息又不太多。

（1）主成分分析（2）因子分析（3）对应分析等2、分类与判别,对所考察的变量按相似程度进行分类。

多元统计分析期末考试考点完整版

多元统计分析期末考试考点标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]多元统计分析题型一定义、名词解释题型二计算（协方差阵、模糊矩阵）题型三解答题一、定义二名词解释1、多元统计分析：多元统计分析是运用数理统计的方法来研究多变量（多指标）问题的理论和方法，是一元统计学的推广2、聚类分析:是根据“物以类聚”的道理，对样品或指标进行分类的一种多元统计分析方法。

将个体或对象分类，使得同一类中的对象之间的相似性比与其他类的对象的相似性更强。

使类内对象的同质性最大化和类间对象的异质性最大化3、随机变量：是指的值无法预先确定仅以一定的可能性(概率)取值的量。

它是由于随机而获得的非确定值，是概率中的一个基本概念。

即每个分量都是随机变量的向量为随机向量。

类似地，所有元素都是随机变量的矩阵称为随机矩阵。

4、统计量：多元统计研究的是多指标问题,为了了解总体的特征,通过对总体抽样得到代表总体的样本,但因为信息是分散在每个样本上的,就需要对样本进行加工,把样本的信息浓缩到不包含未知量的样本函数中,这个函数称为统计量三、计算题解：答：答：题型三解答题1、简述多元统计分析中协差阵检验的步骤答：第一，提出待检验的假设和H1；第二，给出检验的统计量及其服从的分布；第三，给定检验水平，查统计量的分布表，确定相应的临界值，从而得到否定域；第四，根据样本观测值计算出统计量的值，看是否落入否定域中，以便对待判假设做出决策（拒绝或接受）。

2、简述一下聚类分析的思想答：聚类分析的基本思想，是根据一批样品的多个观测指标，具体地找出一些能够度量样品或指标之间相似程度的统计量，然后利用统计量将样品或指标进行归类。

把相似的样品或指标归为一类，把不相似的归为其他类。

直到把所有的样品（或指标）聚合完毕.3、多元统计分析的内容和方法答：1、简化数据结构,将具有错综复杂关系的多个变量综合成数量较少且互不相关的变量，使研究问题得到简化但损失的信息又不太多。

(完整)多元统计分析期末试题及答案,推荐文档.docx

1 、设 X ~ N2 ( ,), 其中 X( x1 , x 2 ),( 1 ,212 ),,1则 Cov( x1x 2 , x1x 2 )=____.102、设X i ~N 3 (,), i 1, L,10,则 W =( X i)( X i)i 1服从_________。

4433、设随机向量X x1x2x3, 且协方差矩阵 4 9 2 ,3 2 16则它的相关矩阵R___________________4、设 X= x1x2x3,的相关系数矩阵通过因子分析分解为112330.93400.1280.4171R100.4170.9340.83530.8940.8940.027 0.83500.4472010.4470.10332__________，__________，X1的共性方差 h1X1的方差11公因子 f 1对 X的贡献 g12________________。

5、设 X i , i 1,L ,16 是来自多元正态总体N p (, ), X 和 A分别为正态总体N p ( ,)的样本均值和样本离差矩阵 , 则T 215[4( X)] A 1[4( X)] ~ ___________。

1642、设( x1 , x2 , x3) ~ N3(, ),其中(1,0, 2) ,44 1 ,1X214试判断 x12 x3与x2x3是否独立？x12、对某地区农村的 6 名 2 周岁男婴的身高、胸围、上半臂围进行测量，得相关数据如下 , 根据以往资料 , 该地区城市 2周岁男婴的这三个指标的均值0(90,58,16), 现欲在多元正态性的假定下检验该地区农村男婴是否与城市男婴有相同的均值。

82.0 4.310714.62108.9464其中 X60.2 ,(5 S ) 1( 115.6924)114.6210 3.17237. 376014.58.946437.376035.5936 (0.01,F 0.01 (3, 2)99.2, F 0.01 (3,3)29.5,F0.01 (3, 4)16.7)、设已知有两正态总体G与 G，且12，24，1211，3126219而其先验概率分别为q1q20.5,误判的代价C (2 1)4；e ,C(1 2)e试用判别法确定样本X 3属于哪一个总体？Bayes514、设X( X1 , X2 , X3 , X4 )T，协方差阵1~ N (0, ),0111(1)试从Σ出发求 X 的第一总体主成分；(2)试问当取多大时才能使第一主成分的贡献率达95％以上。

多元统计分析期末试题及答案

. z4、 __________， __________， ________________。

(1) 试从Σ出发求*的第一总体主成分；(2) 试问当取多大时才能使第一主成分的奉献率达95％以上。

1、0 2、W 3〔10，∑〕 3、211342113611146R ⎛⎫-⎪ ⎪ ⎪=-- ⎪ ⎪ ⎪- ⎪⎝⎭4、0.872 1 1.7435、T 2〔15，p 〕或〔15p/(16-p)〕F 〔p ，n-p 〕一、填空题：1、多元统计分析是运用数理统计方法来研究解决多指标问题的理论和方法.2、回归参数显著性检验是检验解释变量对被解释变量的影响是否著.3、聚类分析就是分析如何对样品〔或变量〕进展量化分类的问题。

通常聚类分析分为 Q 型聚类和 R 型聚类。

4、相应分析的主要目的是寻求列联表行因素A 和列因素B 的根本分析特征和它们的最优联立表示。

5、因子分析把每个原始变量分解为两局部因素：一局部为公共因子，另一局部为特殊因子。

6、假设()(,),P x N αμα∑=1,2,3….n 且相互独立，则样本均值向量x 服从的分布为_x ~N(μ，Σ/n)_。

二、简答1、简述典型变量与典型相关系数的概念，并说明典型相关分析的根本思想。

在每组变量中找出变量的线性组合，使得两组的线性组合之间具有最大的相关系数。

选取和最初挑选的这对线性组合不相关的线性组合，使其配对，并选取相关系数最大的一对，如此下去直到两组之间的相关性被提取完毕为止。

被选ρ(),123设X=xx x 的相关系数矩阵通过因子分析分解为211X h =的共性方差111X σ=的方差. z出的线性组合配对称为典型变量，它们的相关系数称为典型相关系数。

2、简述相应分析的根本思想。

相应分析，是指对两个定性变量的多种水平进展分析。

设有两组因素A 和B ，其中因素A 包含r 个水平，因素B 包含c 个水平。

对这两组因素作随机抽样调查，得到一个rc 的二维列联表，记为。

多元统计分析教学大纲

多元统计分析教学大纲一、课程简介1.1课程名称：多元统计分析1.2课程学分：3学分1.3课程性质：专业基础课1.4课程目标：a.了解多元统计分析的基本概念和原理；b.掌握多元统计方法的应用技巧；c.培养学生通过多元统计分析解决实际问题的能力。

二、教学内容2.1多元统计分析基本概念a.多元统计分析的定义和基本特点；b.多元统计分析在实际问题中的应用。

2.2多元统计分析的数据准备与预处理a.数据质量检查和清理；b.缺失数据的处理方法；c.数据标准化和变量转换。

2.3多元统计分析的常见方法a.多元方差分析（MANOVA）；b.典型相关分析（CCA）；c.因子分析（FA）；d. 聚类分析（cluster analysis）；e. 歧视分析（discriminant analysis）；f.结构方程模型（SEM）等。

2.4多元统计方法在实际问题中的应用a.医学领域的多元统计分析；b.社会科学领域的多元统计分析；c.商务分析中的多元统计方法。

三、教学方法3.1理论授课a.通过讲解基本概念和原理，引导学生对多元统计分析方法的认识；b.给予实例分析，帮助学生理解多元统计方法的应用过程。

3.2应用案例分析a.提供一些真实的案例，让学生利用多元统计方法分析问题；b.学生进行小组讨论，解决实际问题。

3.3课堂问答互动a.鼓励学生参与课堂问答，激发学生的学习兴趣；b.解答学生提出的问题，帮助学生解决困惑。

四、考核方式4.1平时成绩占比：40%a.课堂表现（包括出勤、作业完成情况等）；b.小组讨论和案例分析报告。

4.2期末考试占比：60%a.理论知识的应用与分析；b.解答简答题和案例题。

五、参考教材5.1主要教材：a. Hair, J.F., Anderson, R.E., Tatham, R.L., & Black, W.C. (2024). Multivariate Data Analysis. 7th Edition. Pearson Education Limited.b. Johnson, R.A., & Wichern, D.W. (2002). Applied Multivariate Statistical Analysis. 5th Edition. Pearson Education Limited.5.2参考教材：a. Tabachnick, B.G., & Fidell, L.S. (2024). Using Multivariate Statistics. 5th Edition. Pearson Education Limited.b. Rencher, A.C. (2003). Methods of Multivariate Analysis. 2nd Edition. John Wiley & Sons.六、教学进度安排本课程为32学时，按以下进度安排：第1-2周：多元统计分析基本概念与原理第3-4周：数据准备与预处理第5-8周：多元统计分析的常见方法第9-10周：多元统计方法在实际问题中的应用第11-12周：案例分析与小组讨论第13-15周：复习与总结以上是《多元统计分析》的教学大纲，旨在帮助学生掌握多元统计分析的基本原理和应用方法，培养学生解决实际问题的能力。

多元统计分析期末试题(卷)与答案解析

22121212121~(,),(,),(,),,1X N X x x x x x x ρμμμμσρ⎛⎫∑==∑=⎪⎝⎭+-1、设其中则Cov(,)=____.10312~(,),1,,10,()()_________i i i i X N i W X X μμμ='∑=--∑、设则=服从。

()1234433,492,3216___________________X x x x R -⎛⎫ ⎪'==-- ⎪⎪-⎝⎭=∑、设随机向量且协方差矩阵则它的相关矩阵4、__________， __________，________________。

215,1,,16(,),(,)15[4()][4()]~___________i p p X i N X A N T X A X μμμμ-=∑∑'=--、设是来自多元正态总体和分别为正态总体的样本均值和样本离差矩阵,则。

(),123设X=x xx 的相关系数矩阵通过因子分析分解为211X h =的共性方差111X σ=的方差21X g =1公因子f 对的贡献121330.93400.1280.9340.4170.8351100.4170.8940.02700.8940.44730.8350.4470.1032013R⎛⎫- ⎪⎛⎫⎛⎫⎪-⎛⎫ ⎪ ⎪⎪=-=-+ ⎪ ⎪ ⎪ ⎪⎝⎭ ⎪ ⎪ ⎪⎝⎭⎝⎭ ⎪⎪⎝⎭12332313116421(,,)~(,),(1,0,2),441,2142X x x x N x x x x x μμ-⎛⎫⎪'=∑=-∑=-- ⎪ ⎪-⎝⎭-⎛⎫+ ⎪⎝⎭、设其中试判断与是否独立？11262(90,58,16),82.0 4.310714.62108.946460.2,(5)( 115.6924)14.6210 3.17237.14.5X S μ--'=-⎛⎫ ⎪==-- ⎪ ⎪⎝⎭0、对某地区农村的名周岁男婴的身高、胸围、上半臂围进行测量，得相关数据如下,根据以往资料,该地区城市2周岁男婴的这三个指标的均值现欲在多元正态性的假定下检验该地区农村男婴是否与城市男婴有相同的均值。

多元统计分析期末复习

第一章:多元统计分析研究的内容(5点)1、简化数据结构(主成分分析)2、分类与判别(聚类分析、判别分析)3、变量间的相互关系)(典型相关分析、多元回归分析)4、多维数据的统计推断5、多元统计分析的理论基础第二三章：二、多维随机变量的数字特征1、随机向量的数字特征随机向量X均值向量：随机向量X与Y的协方差矩阵：当X=Y时Cov(X，Y) =D(X)；当Cov( X，Y)=0，称X，Y不相关。

随机向量X与Y的相关系数矩阵：2、均值向量协方差矩阵的性质(1) .设X，Y为随机向量，A，B为常数矩阵E ( AX)二AE( X);E ( AXB =AE (X)B;D(AX)=AD(X)A ';Cov(AX,B Y)二ACov(X, Y)EX ' ( EX^EX?, , EX p) ( 2,…，P )'cov( X ,Y ) E ( X EX )( YEY )' (2) .若X，Y独立，则Cov(X,Y) =0,反之不成立.(X,Y) (r j)pq(3) .X的协方差阵D(X)是对称非负定矩阵。

例2.见黑板三、多元正态分布的参数估计2、多元正态分布的性质特别地，当为对角阵时，相互独立。

(2) .若，、为sxp阶常数矩阵，d为s阶向量，AX+ d〜即正态分布的线性函数仍是正态分布.(3) .多元正态分布的边缘分布是正态分布，反之不成立.(4) .多元正态分布的不相关与独立■等价.,X pX ~ N p(,) '例3 .见黑板.N s( A d , A A )三、多元正态分布的参数估计⑴“为来自p兀总体X的(简单)样本”的理解---独立同截面.X(1),,X(n)(2)多兀分布样本的数字特征- —常见多兀统计量X n(X i,X2,,X p)' 1(X (i)X )( X (i) X )' —样本均值向量i 1X样本离差阵S = 样本协方差阵V = S ;样本相X X X ~ N p(,-)关阵R W p(n1,)X n(3) , V分别是和的最大似然估计；⑷估计的性质是的无偏估计；，V分别是和的有效和一致估计;S〜，与S相互独立；第五章聚类分析：一、什么是聚类分析：聚类分析是根据“物以类聚”的道理，对样品或指标进行分类的一种多元统计分析方法。

山东财经大学《多元统计分析》期末复习题参考

多元统计分析期末复习题参考1、设其中，设，求 3(,)X N μ∑:2 1 1 13, 1 3 21 1 2 2μ⎛⎫⎛⎫ ⎪ ⎪=-∑= ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭(-1 2 3)a =1）；(')(')E a X D a X 及2）求。

123123(|,)(|,)E X X X D X X X 及2、已知，为来自X 的两个样品观测得其观21 1 0.9,10.9 1X N ⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪-⎝⎭⎝⎭⎝⎭:12,X X 测值为：，求12,x x 的马氏距离。

1221,12x x ⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭3、设抽了5个样品，每个样品只测了一个指标，它们分别是1, 2, 4.5, 6, 8, 若样品间距离用欧氏距离来度量，试用最短距离法对其进行聚类，要求画出聚类图。

4、设抽了5个有序样品，每个样品只测了一个指标，它们分别是1, 2, 3.5, 6, 8, 试用最优分割法对该5个样品分为3类。

5、设有两个总体的分布分别为：12, G G 221018 122020 -7,, ,,1512 3225-7 5N N ⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭试问样品分别按以下两种准则各应判归哪一类？ (1)(2)2015,2020X X ⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭1）按距离判别准则；2）按贝叶斯判别准则(取)。

121=,(2|1)10,(1|2)752q q C C ===先验概率误判损失为6、在某中学随机抽取某年级30名学生，测量其身高（X1），体重（X2），胸围（X3）和坐高（X4）四个指标，这四个变量的相关系数矩阵的特征根及单位特征向量分别为：113.541, (0.497, 0.5146, 0.4809, 0.5069)u λ'==220.3133, (0.5432, 0.2102, 0.7246, 0.3683)u λ'==--330.0794, (0.4496, 0.4623, 0.1752, 0.7439)u λ'==--440.0661, (0.5057, 0.6908, 0.4615, 0.2323)u λ'==--1）写出四个主成分的表达式；2）计算每个主成分的方差贡献率，并结合碎石图适当选取主成分个数；3）主成分分析有哪些应用？7、对纽约股票市场上的五种股票的周回升率X1，X2，X3，X4，X5进行了因子分析，其中X1，X2，X3分别表示三个化学工业公司的股票回升率，X4，X5表示两个石油公司的股票回升率，试这5个变量的相关系数矩阵的前两个特征根和对应的单位特征向量为112.857, (0.464,0.457,0.47,0.421,0.421)u λ'==221.024, (0.24,0.509,0.26,0.526,0.582)u λ'==--1）取公共因子个数为2，求因子载荷阵A ；2）用F1，F2表示选取的公共因子，表示特殊因子，写出因子模型；12,εε3）说明因子载荷矩阵中元素的统计意义。

多元统计分析期末试题与答案

多元统计分析期末试题与答案22121212121~(,),(,),(,),,1X N X x x x x x x ρμμμμσρ∑==∑=+-1、设其中则Cov(,)=____.10312~(,),1,,10,()()_________i i i i X N i W X X μμμ='∑=--∑、设则=服从。

()1234433,492,3216___________________X x x x R -?? ?'==-- ?-?=∑、设随机向量且协方差矩阵则它的相关矩阵4、__________， __________，________________。

215,1,,16(,),(,)15[4()][4()]~___________i p p X i N X A N T X A X μμμμ-=∑∑'=--、设是来自多元正态总体和分别为正态总体的样本均值和样本离差矩阵,则。

12332313116421(,,)~(,),(1,0,2),441,2142X x x x N x x x x x μμ-??'=∑=-∑=-- ? ?-??-??+、设其中试判断与是否独立？(),123设X=x x x 的相关系数矩阵通过因子分析分解为211X h =的共性方差111X σ=的方差21X g =1公因子f 对的贡献121330.93400.1280.9340.4170.8351100.4170.8940.02700.8940.4 4730.8350.4470.1032013R ?--?? ? ?=-=-+ ? ? ? ??? ? ? ????? ?11262(90,58,16),82.0 4.310714.62108.946460.2,(5)( 115.6924)14.6210 3.17237.14.5X S μ--'=-?? ?==-- ? 0、对某地区农村的名周岁男婴的身高、胸围、上半臂围进行测量，得相关数据如下,根据以往资料,该地区城市2周岁男婴的这三个指标的均值现欲在多元正态性的假定下检验该地区农村男婴是否与城市男婴有相同的均值。