多元分布
多元分布描述了几个随机变量的联合概率行为，并为多元推断奠定了基础。
用 PaperMind 寻找选题即将推出Find papers & topics
Tools & resources
Learn & explore
视频即将推出
Definition
多元分布是随机向量的概率定律，它指定了其分量的联合分布，包括它们的边际行为和依赖性。
Scope
该领域涵盖了多元统计学的核心概率模型：多元正态分布及其性质、控制样本协方差矩阵的Wishart分布，以及将边际行为与依赖结构分离的copula模型。它涉及联合分布、边际分布和条件分布、矩，以及这些分布在估计和假设检验中的作用。
Sub-topics
Core questions
- 如何指定和表征几个随机变量的联合行为？
- 多元正态数据会产生哪些抽样分布？
- 如何将依赖性与边际分布分开建模？
- 哪些分布假设证明了标准多元程序的合理性？
Key theories
- 多元正态分布作为基础
- 多元正态分布在线性变换、边际化和条件化下是封闭的，其均值向量和协方差矩阵完全指定了它，使其成为多元推断的核心模型。
- 边际和依赖性的分离
- 根据Sklar定理，任何联合分布都可以分解为其边际分布和一个编码依赖性的copula，从而允许独立于边际对依赖性进行建模。
Clinical relevance
多元分布是几乎所有多元方法假设和抽样理论的基础，特别是copula模型被用于金融、水文学和风险分析中的依赖性建模。
History
多元正态分布和协方差矩阵的Wishart抽样分布在20世纪早期建立，并在多元分析的经典理论中系统化。Copula理论通过1959年的Sklar定理形式化，后来为依赖性建模提供了灵活的框架。
Key figures
- T. W. Anderson
- John Wishart
- Abe Sklar
Related topics
Seminal works
- anderson2003
- mardia1979
- muirhead1982
Frequently asked questions
- 为什么多元正态分布如此核心？
- 它通过多元中心极限定理行为作为极限分布出现，在数学上易于处理，并且是多元分析中均值、协方差和许多检验统计量的抽样理论的基础。
- 除了边际分布之外，copula还增加了什么？
- Copula捕捉了连接变量的依赖结构，允许将任意边际分布与所选的依赖模式结合起来。