การแจกแจงปรกติหลายตัวแปร
การแจกแจงปรกติหลายตัวแปร

การแจกแจงปรกติหลายตัวแปร

การแจกแจงแบบปรกติหลายตัวแปร (อังกฤษ: multivariate normal distribution) เป็นการขยายวางนัยทั่วไปจากการแจกแจงแบบปรกติ (ตัวแปรเดียว) ไปเป็นหลายมิติ(หลายตัวแปร)เวกเตอร์สุ่มที่มีการแจกแจงแบบปรกติหลายตัวแปร คือ ทุกๆผลรวมเชิงเส้น (linear combination) ของส่วนประกอบของเวกเตอร์มีการแจกแจงเป็นการแจกแจงแบบปรกติการแจกแจงแบบปรกติหลายตัวแปร มักใช้อธิบาย เซตของตัวแปรสุ่มหลายๆตัวที่มีความสัมพันธ์กัน โดยที่แต่ค่าของตัวแปรจะมีค่าเกาะกลุ่มอยู่ใกล้ๆกับค่ามัชฌิม

การแจกแจงปรกติหลายตัวแปร

ฟังก์ชันค้ำจุน: x ∈ span(Σ) ⊆ Rk
ตัวแปรเสริม: μ ∈ Rk — location
Σ ∈ Rk×k — covariance (nonnegative-definite matrix)
เอนโทรปี: ln ( 2 π e ) k | Σ | {\displaystyle \ln \!{\sqrt {(2\pi e)^{k}|\Sigma |}}}
ค่าเฉลี่ย: μ
สัญกรณ์: N ( μ , Σ ) {\displaystyle {\mathcal {N}}(\mu ,\,\Sigma )}
ความแปรปรวน: Σ
cf: exp ( i μ ′ t − 1 2 t ′ Σ t ) {\displaystyle \exp \!{\Big (}i\mu 't-{\tfrac {1}{2}}t'\Sigma t{\Big )}}
ฐานนิยม: μ
cdf: (no analytic expression)
pdf: ( ( 2 π ) rank ( Σ ) det ∗ ( Σ ) ) − 1 2 e − 1 2 ( x − μ ) ′ Σ − 1 ( x − μ ) {\displaystyle ((2\pi )^{{\text{rank}}(\Sigma )}{\text{det}}^{*}(\Sigma ))^{-{\frac {1}{2}}}\,e^{-{\frac {1}{2}}(x-\mu )'\Sigma ^{-1}(x-\mu )}}
mgf: exp ( μ ′ t + 1 2 t ′ Σ t ) {\displaystyle \exp \!{\Big (}\mu 't+{\tfrac {1}{2}}t'\Sigma t{\Big )}}

ใกล้เคียง

การแจกจ่ายลินุกซ์ การแจกแจงปรกติ การแจ้งเตือนการก่อตัวของพายุหมุนเขตร้อน การแจกแจงความน่าจะเป็น การแจกแจง การแจกแจงปรกติหลายตัวแปร การแจกแจงแบบเลขชี้กำลัง การแจกแจงแบร์นุลลี การแจกแจงไคกำลังสอง การแจกแจงเอกรูปไม่ต่อเนื่อง