Cтраница 4
Для расчета ковариационной матрицы коэффициентов модели (3.20) и дисперсии оценок приближаемой функции (3.26) необходимо знание величины а2, которая обычно неизвестна, Однако ее можно оценить на основе имеющихся экспериментальных данных. [46]
Последовательное оценивание ковариационной матрицы нормально распределенного случайного вектора X может быть рассмотрено таким же образом, как оценивание вектора математического ожидания. Предполагается, что вектор математического ожидания известен и, без ограничения общности, - что он равен нулю. Ранее мы предположили, что априорная плотность вероятности р ( Х11) является нормальной. С другой стороны, известно, что выборочная ковариационная матрица имеет распределение Уишарта. [47]
Последовательное оценивание ковариационной матрицы нормально распределенного случайного вектора X может быть рассмотрено таким же образом, как оценивание вектора математического ожидания. Предполагается, что вектор математического ожидания известен и, без ограничения общности - что он равен нулю. Ранее мы предположили, что априорная плотность вероятности р ( Х / 1) является нормальной. С другой стороны, известно, что выборочная ковариационная матрица имеет распределение Уишарта. S / 2o, NO), где NO - число объектов и SQ - начальное предположение об истинной ковариационной матрице. [48]
Чтобы получить ковариационную матрицу оценок параметров, нужно либо знать а2 - дисперсию наблюдения с единичным весом, и тогда 3) ( 9) полностью определена, либо иметь несмещенную оценку сг2, и тогда мы будем иметь несмещенные оценки элементов искомой матрицы. [49]
Определение 11.4. Нормированную ковариационную матрицу R, элементами которой являются коэффициенты корреляции г, называют корреляционной матрицей. [50]
Квартальное ( о и евклидово ( б рассто. [51] |
Здесь С - ковариационная матрица ( см. разд. [52]
Выразите 8ь через ковариационные матрицы и математические ожидания этих объектов. [53]