当p.d.f.多元正态分布
X.是给出的
P.(X.;μ.那σ.)=(2π)2N|σ.|211exp.(-21(X.-μ.)T.σ.-1(X.-μ.))
在哪里
exp.(X.)=E.X.。
在理解这个方程式中,与p.d.f比较是有用的。的单变量正常分布或正态分布在1个变量,其由下式给出
P.(X.;μ.那σ.2)=2π
σ.1exp.(-2σ.21(X.-μ.)2)
在这种情况下,单因素,
-2σ.21(X.-μ.)2是的二次函数
X.,这是一个抛物线由于负极的主要系数,这向下开放。在多变量的情况下,
-21(X.-μ.)T.σ.-1(X.-μ.)是A.二次型在载体中
X.。自从
σ.是积极的确定,这种二次形式是负的明确,因此以类似的方式向向下定向“碗”,以便单变量案例中的抛物线向下开放。
在单变量情况下的首项系数
2π
σ.1不依赖
X.,并且选择在这样的方式
2π
σ.1∫-∞∞exp.(-2σ.21(X.-μ.)2)=1
类似地,在多变量情况下的首项系数
(2π)2N|σ.|211不依赖
X.,并且选择在这样的方式
(2π)2N|σ.|211∫-∞∞∫-∞∞......∫-∞∞exp.(-21(X.-μ.)T.σ.-1(X.-μ.))=1
还值得一提的是,多元公式简化为一个单变量的情况下
N=1,正如在这种情况下
(X.-μ.)T.σ.-1(X.-μ.)=(X.-μ.)σ.21(X.-μ.)。
多变量分布的一个主要重要性的延伸中央限制定理多个变量:
假设
{X一世}一世∈N是独立的序列,同分布具有共同均值向量随机向量
μ.和正定\协方差矩阵
σ.。然后
yN=N
1一世=1σ.N(X一世-μ.)
要收敛
yN〜N(0.那σ.)