Die mehrdimensionale Normalverteilung
Die mehrdimensionale Normalverteilung
Die mehrdimensionale Normalverteilung
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
6 Kapitel 2: <strong>Die</strong> <strong>mehrdimensionale</strong> <strong>Normalverteilung</strong><br />
Dabei haben wir die Identität EY 2k = (2k)! benutzt, die in den Übungen nachgerechnet worden<br />
2 k k!<br />
ist.<br />
Notation:<br />
Ein Zufallsvektor ist ein Vektor X = (X 1 ,... ,X n ) T von Zufallsvariablen X i ,(1 ≤ i ≤ n).<br />
Der Erwartungswert von X wird komponentenweise definiert: EX := (EX 1 ,... ,EX n ) T . <strong>Die</strong><br />
Kovarianzmatrix von X wird durch Kov(X) := (Kov(X i ,X j )) 1≤i,j≤n definiert, falls EX 2 i < ∞<br />
ist für i = 1,... ,n. Dann gilt<br />
Kov(X) ij = Kov(X i ,X j ) = E((X i − EX i )(X j − EX j ))<br />
= E(X i X j − EX i EX j )<br />
= E((X − EX)(X − EX) T ) ij .<br />
Kov(X) ist also offensichtlich eine symmetrische n×n-Matrix. Außerdem ist Kov(X) nichtnegativdefinit<br />
(d.h. für alle a ∈ R n gilt a T Kov(X)a ≥ 0), denn<br />
a T Kov(X)a = a T E((X − EX)(X − EX) T )a<br />
= E ( a T (X − EX)(X − EX) T a ]<br />
= E((a T (X − EX)) 2 )<br />
( n∑<br />
= E a i (X i − EX i )<br />
i=1<br />
≥ 0.<br />
Im Folgenden sehen wir, dass umgekehrt jede nichtnegativ-definite symmetrische Matrix Kovarianzmatrix<br />
eines Zufallsvektors ist. Hierzu bemerken wir: Zu jeder nichtnegativ-definiten<br />
symmetrischen n × n-Matrix Σ gibt es eine nichtnegativ-definite und symmetrische “Wurzel”<br />
Q mit Σ = Q · Q T : Ist Σ nichtnegative und symmetrische n × n-Matrix, dann gibt es eine<br />
orthogonale Matrix O mit<br />
⎛<br />
˜Σ = OΣO −1 und ˜Σ = ⎜<br />
⎝<br />
˜σ 2 1<br />
) 2<br />
. ..<br />
˜σ 2 n<br />
⎞<br />
⎟<br />
⎠ .<br />
Dabei sind ˜σ 2 i ≥ 0,(i = 1,... ,n), denn für a ∈ Rn gilt a T ˜Σa = a T OΣO −1 a = (O T a) T ΣO T a ≥<br />
0.<br />
Definition 2.1 Ein Zufallsvektor X : Ω → R n , X = (X 1 ,... ,X n ) T heißt n-dimensional<br />
normalverteilt, wenn für jedes a ∈ R n die Zufallsvariable a T X = ∑ n<br />
i=1 a iX i eindimensional<br />
normalverteilt ist.<br />
Bemerkung 2.2 Ist X n-dimensional normalverteilt und ist A eine m×n-Matrix, so ist AX<br />
m-dimensional normalverteilt.