Многомерное нормальное распределение

Поделись знанием:
Перейти к: навигация, поиск

Многоме́рное норма́льное распределе́ние (или многоме́рное га́уссовское распределе́ние) в теории вероятностей — это обобщение одномерного нормального распределения. Случайный вектор, имеющий многомерное нормальное распределение, называется гауссовским вектором[1].





Определения

Случайный вектор <math>\mathbf{X} = (X_1,\ldots, X_n)^{\top}: \Omega \to \mathbb{R}^n</math> имеет многомерное нормальное распределение, если выполняется одно из следующих эквивалентных условий:

  • Произвольная линейная комбинация компонентов вектора <math>\sum\limits_{i=1}^n a_i X_i</math> имеет нормальное распределение или является константой.
  • Существует вектор независимых стандартных нормальных случайных величин <math>\mathbf{Z}=(Z_1,\ldots, Z_m)^{\top}</math>, вещественный вектор <math>\mathbf{\mu} = (\mu_1,\ldots, \mu_n)^{\top}</math> и матрица <math>\mathbf{A}</math> размерности <math>n \times m</math>, такие что:
<math>\mathbf{X} = \mathbf{A} \mathbf{Z} + \mathbf{\mu}</math>.
  • Существует вектор <math>\mathbf{\mu} \in \mathbb{R}^n</math> и неотрицательно определённая симметричная матрица <math>\mathbf{\Sigma}</math> размерности <math>n \times n</math>, такие что характеристическая функция вектора <math>\mathbf{X}</math> имеет вид:
<math>\phi_{\mathbf{X}}(\mathbf{u}) = e^{i \mathbf{\mu}^{\top} \mathbf{u} - \frac{1}{2}\mathbf{u}^{\top} \Sigma \mathbf{u}},\; \mathbf{u} \in \mathbb{R}^n</math>.

Плотность невырожденного нормального распределения

  • Если рассматривать только распределения с невырожденной ковариационной матрицей, то эквивалентным будет также следующее определение:
Существует вектор <math>\mathbf{\mu} \in \mathbb{R}^n</math> и неотрицательно определённая симметричная матрица <math>\mathbf{\Sigma}</math> размерности <math>n \times n</math>, такие что плотность вероятности вектора <math>\mathbf{X}</math> имеет вид:
<math>f_{\mathbf{X}}(\mathbf{x}) = \frac{1}{(2\pi )^{n/2} \vert \Sigma \vert^{1/2}} e^{-\frac{1}{2}(\mathbf{x} - \mathbf{\mu})^{\top} \Sigma^{-1} (\mathbf{x} - \mathbf{\mu})},\; \mathbf{x} \in \mathbb{R}^n</math>,
где <math>\vert \Sigma\vert </math> — определитель матрицы <math>\Sigma</math>, а <math>\Sigma^{-1}</math> — матрица обратная к <math>\Sigma</math>


  • Вектор <math>\mathbf{\mu}</math> является вектором средних значений <math>\mathbf{X}</math>, а <math>\Sigma</math> — его ковариационная матрица.
  • В случае <math>n = 1</math>, многомерное нормальное распределение сводится к обычному нормальному распределению.
  • Если случайный вектор <math>\mathbf{X}</math> имеет многомерное нормальное распределение, то пишут <math>\mathbf{X} \sim \mathrm{N}(\mathbf{\mu},\Sigma)</math>.

Свойства многомерного нормального распределения

  • Если вектор <math>\mathbf{X} = (X_1,\ldots, X_n)^{\top}</math> имеет многомерное нормальное распределение, то его компоненты <math>X_i, i=1,\ldots, n,</math> имеют одномерное нормальное распределение. Обратное, вообще говоря, неверно[2].
  • Если случайные величины <math>X_1,\ldots,X_n</math> имеют одномерное нормальное распределение и совместно независимы, то случайный вектор <math>\mathbf{X} = (X_1,\ldots, X_n)^{\top}</math> имеет многомерное нормальное распределение. Матрица ковариаций <math>\Sigma</math> такого вектора диагональна.
  • Если <math>\mathbf{X} = (X_1,\ldots, X_n)^{\top}</math> имеет многомерное нормальное распределение, и его компоненты попарно некоррелированы, то они независимы. Однако, если некоторые случайные величины <math>X_i,\; i = 1 , \ldots, n</math> имеют одномерные нормальные распределения и попарно не коррелируют, то отсюда не следует, что они независимы и имеют многомерное нормальное распределение.
Пример. Пусть <math>X \sim \mathrm{N}(0,1)</math>, а <math>\alpha = \pm 1</math> с равными вероятностями. Тогда если <math>Y = \alpha X \sim \mathrm{N}(0,1)</math>, то корреляция <math>X</math> и <math>Y</math> равна нулю. Однако, эти случайные величины зависимы и в силу первого утверждения абзаца не имеют многомерного нормального распредедения.
  • Многомерное нормальное распределение устойчиво относительно линейных преобразований. Если <math>\mathbf{X} \sim \mathrm{N}(\mathbf{\mu},\Sigma)</math>, а <math>\mathbf{A}</math> — произвольная матрица размерности <math>m \times n</math>, то
<math>\mathbf{A}\mathbf{X} \sim \mathrm{N}\left(\mathbf{A}\mathbf{\mu},\mathbf{A}\Sigma \mathbf{A}^{\top}\right).</math>
Таким преобразованием и сдвигом любое невырожденное нормальное распределение можно привести к вектору независимых стандартных нормальных величин.

Напишите отзыв о статье "Многомерное нормальное распределение"

Примечания

  1. А.Н.Ширяев. Вероятность. Том 1. МЦНМО, 2007.
  2. См. например [risktheory.novosyolov.com/topic_normmarg.htm]


пор       Вероятностные распределения
Одномерные Многомерные
Дискретные: Бернулли | Биномиальное | Геометрическое | Гипергеометрическое | Логарифмическое | Отрицательное биномиальное | Пуассона | Дискретное равномерное Мультиномиальное
Абсолютно непрерывные: Бета | Вейбулла | Гамма | Гиперэкспоненциальное | Распределение Гомпертца | Колмогорова | Коши | Лапласа | Логнормальное | Нормальное (Гаусса) | Логистическое | Накагами | Парето | Пирсона | Полукруговое | Непрерывное равномерное | Райса | Рэлея | Стьюдента | Трейси — Видома | Фишера | Хи-квадрат | Экспоненциальное | Variance-gamma Многомерное нормальное | Копула
</center>

Отрывок, характеризующий Многомерное нормальное распределение

Дядюшка пел так, как поет народ, с тем полным и наивным убеждением, что в песне все значение заключается только в словах, что напев сам собой приходит и что отдельного напева не бывает, а что напев – так только, для складу. От этого то этот бессознательный напев, как бывает напев птицы, и у дядюшки был необыкновенно хорош. Наташа была в восторге от пения дядюшки. Она решила, что не будет больше учиться на арфе, а будет играть только на гитаре. Она попросила у дядюшки гитару и тотчас же подобрала аккорды к песне.
В десятом часу за Наташей и Петей приехали линейка, дрожки и трое верховых, посланных отыскивать их. Граф и графиня не знали где они и крепко беспокоились, как сказал посланный.
Петю снесли и положили как мертвое тело в линейку; Наташа с Николаем сели в дрожки. Дядюшка укутывал Наташу и прощался с ней с совершенно новой нежностью. Он пешком проводил их до моста, который надо было объехать в брод, и велел с фонарями ехать вперед охотникам.
– Прощай, племянница дорогая, – крикнул из темноты его голос, не тот, который знала прежде Наташа, а тот, который пел: «Как со вечера пороша».
В деревне, которую проезжали, были красные огоньки и весело пахло дымом.
– Что за прелесть этот дядюшка! – сказала Наташа, когда они выехали на большую дорогу.
– Да, – сказал Николай. – Тебе не холодно?
– Нет, мне отлично, отлично. Мне так хорошо, – с недоумением даже cказала Наташа. Они долго молчали.
Ночь была темная и сырая. Лошади не видны были; только слышно было, как они шлепали по невидной грязи.
Что делалось в этой детской, восприимчивой душе, так жадно ловившей и усвоивавшей все разнообразнейшие впечатления жизни? Как это всё укладывалось в ней? Но она была очень счастлива. Уже подъезжая к дому, она вдруг запела мотив песни: «Как со вечера пороша», мотив, который она ловила всю дорогу и наконец поймала.
– Поймала? – сказал Николай.
– Ты об чем думал теперь, Николенька? – спросила Наташа. – Они любили это спрашивать друг у друга.
– Я? – сказал Николай вспоминая; – вот видишь ли, сначала я думал, что Ругай, красный кобель, похож на дядюшку и что ежели бы он был человек, то он дядюшку всё бы еще держал у себя, ежели не за скачку, так за лады, всё бы держал. Как он ладен, дядюшка! Не правда ли? – Ну а ты?
– Я? Постой, постой. Да, я думала сначала, что вот мы едем и думаем, что мы едем домой, а мы Бог знает куда едем в этой темноте и вдруг приедем и увидим, что мы не в Отрадном, а в волшебном царстве. А потом еще я думала… Нет, ничего больше.
– Знаю, верно про него думала, – сказал Николай улыбаясь, как узнала Наташа по звуку его голоса.
– Нет, – отвечала Наташа, хотя действительно она вместе с тем думала и про князя Андрея, и про то, как бы ему понравился дядюшка. – А еще я всё повторяю, всю дорогу повторяю: как Анисьюшка хорошо выступала, хорошо… – сказала Наташа. И Николай услыхал ее звонкий, беспричинный, счастливый смех.
– А знаешь, – вдруг сказала она, – я знаю, что никогда уже я не буду так счастлива, спокойна, как теперь.
– Вот вздор, глупости, вранье – сказал Николай и подумал: «Что за прелесть эта моя Наташа! Такого другого друга у меня нет и не будет. Зачем ей выходить замуж, всё бы с ней ездили!»
«Экая прелесть этот Николай!» думала Наташа. – А! еще огонь в гостиной, – сказала она, указывая на окна дома, красиво блестевшие в мокрой, бархатной темноте ночи.


Граф Илья Андреич вышел из предводителей, потому что эта должность была сопряжена с слишком большими расходами. Но дела его всё не поправлялись. Часто Наташа и Николай видели тайные, беспокойные переговоры родителей и слышали толки о продаже богатого, родового Ростовского дома и подмосковной. Без предводительства не нужно было иметь такого большого приема, и отрадненская жизнь велась тише, чем в прежние годы; но огромный дом и флигеля всё таки были полны народом, за стол всё так же садилось больше человек. Всё это были свои, обжившиеся в доме люди, почти члены семейства или такие, которые, казалось, необходимо должны были жить в доме графа. Таковы были Диммлер – музыкант с женой, Иогель – танцовальный учитель с семейством, старушка барышня Белова, жившая в доме, и еще многие другие: учителя Пети, бывшая гувернантка барышень и просто люди, которым лучше или выгоднее было жить у графа, чем дома. Не было такого большого приезда как прежде, но ход жизни велся тот же, без которого не могли граф с графиней представить себе жизни. Та же была, еще увеличенная Николаем, охота, те же 50 лошадей и 15 кучеров на конюшне, те же дорогие подарки в именины, и торжественные на весь уезд обеды; те же графские висты и бостоны, за которыми он, распуская всем на вид карты, давал себя каждый день на сотни обыгрывать соседям, смотревшим на право составлять партию графа Ильи Андреича, как на самую выгодную аренду.