Векторы случайных переменных и их анализ - обозначения
Глава 3 Векторы случайных переменных и их анализ
В этой главе для векторов и матриц случайных переменных получаются обобщения результатов, имеющихся для одной и двух случайных переменных, а также приводятся новые.
3.1. Обозначения
Матрицы и векторы в этой книге обозначаются соответственно заглавными и строчными буквами жирным шрифтом, например А и a, а скаляры курсивными буквами, например, а. Случайные переменные обозначаются последними буквами латинского алфавита, например, у, а их значения - курсивными буквами, например, у.
Если х и у - случайные переменные, то символы E(у), D(у), C(х, у) и E(х|у=у) или, более кратко, E(х|у) представляют соответственно математическое ожидание, дисперсию, ковариацию и условное математическое ожидание.
Матрица размеров пхп с диагональными элементами d1, d2, ..., dn и остальными равными нулю обозначается диаг[d1, d2, ..., dn], а когда все диагональные элементы равны единице, то имеем единичную матрицу In.
Если а – некоторый вектор-столбец размеров пх1 с элементами а1, а2, ..., ап, то пишем а= (аi)=[а1, а2, ..., ап]Т, а длина или норма вектора а обозначается ||а||. Таким образом
||а||==(аl2+а22+...+ап2)1/2.
Вектор размеров пх1 со всеми элементами равными единице обозначается 1n, а множество всех векторов, имеющих п элементов, обозначается Rn.
Рекомендуемые материалы
Если некоторая матрица А размеров mхn имеет элементы аij, то пишем А=(аij). Сумма её диагональных элементов называется следом матрицы А и обозначается след(А)=аl1+а22+...+аkk, где k – равно меньшему m или n. Транспонирование матрицы А представляется в виде АТ=(аijТ), где аijТ=аji. Если матрица A квадратная, то её определитель записывается det(A), а если эта матрица невырожденная, то её обратная обозначается А–1. Образованное столбцами матрицы А пространство называется пространством столбцов матрицы А и обозначается Ст(А).
Если случайная переменная (у) имеет распределение по нормальному закону с математическим ожиданием E(у)=y и дисперсией D(у)=s2, то это записывается в виде у~N[y, s2]. Переменная z имеет стандартное нормальное распределение, если её математическое ожидание E(z)=0 и дисперсия D(z)=1. Распределения c2 (хи-квадрат) и t с k степенями свободы обозначаются соответственно c2(k) и t(k), а распределение F со степенями свобода m и п обозначается F(m, п).
Если Вам понравилась эта лекция, то понравится и эта - Молодежные субкультуры.
Обозначение у~Nn(y, S) означает, что вектор у случайных переменных имеет размеры пх1 и распределён по нормальному закону в п-мерном пространстве Rn с вектором y математических ожиданий и матрицей S дисперсий и ковариаций. Здесь вектор y имеет размеры пх1 и матрица S=Snn. Иногда подстрочный индекс в обозначении Nn(y, S) опускается, если из контекста ясно каковы размеры вектора с этим распределением.
Обозначение у~(y, S) означает, что вектор у случайных переменных имеет вектор y математических ожиданий и матрицу S дисперсий и ковариаций. Это обозначение указывает только первые два момента вектора у, но не форму его распределения. Так, из обозначения у~Nn(y, S) следует, что у~(y, S), но из у~(y, S) не следует, что у~Nn(y, S).
Обозначение у~х означает, что векторы у и х случайных переменных имеют одинаковое распределение. Однако это не значит, что у=х. Если g(х) и g(y) –функции векторов х и у, и у~х, то g(y)~g(х). При этом функция g( ) может иметь скалярные или векторные значения.
Знак □ используется для указания конца доказательства теоремы, следствия или примера.
Предполагается, что читатель обладает базовыми знаниями линейной алгебры. Для короткого знакомства доступны несколько книг [например, Беклемишев (2006), Harville (2008)]. Некоторые результаты теории матриц включены в приложение в конце книги и ссылки на них даются, например, в виде П.2.3.
В рассмотренных выше различных моделях влияющие на отклик переменные или факторы могут быть, а могут не быть случайными. Например, дискретные влияющие переменные не случайные. Со случайными факторами моделирование осуществляется условно относительно их наблюдаемых значений, при условии, что они измеряются точно (или, по крайней мере, с достаточной точностью). В этой книге статистическое моделирование используется для случаев, когда факторы не являются случайными. Но когда погрешности их измерений не могут быть проигнорированы, то теория должна быть изменена.