Multivariate random variable

在统计学与概率论中，协方差矩阵（covariance matrix）是一个方阵，代表著任兩列随机变量（英语：Multivariate random variable）间的协方差，是协方差的直接推广。 定義 —  設 ( Ω , Σ , P ) {\displaystyle (\Omega ,\,\Sigma

在標量連續分佈的情況下，它給出了從負無窮到 x {\displaystyle x} 的概率密度函數下的面積。 累積分佈函數也用於指定多元隨機變量（英语：Multivariate random variable）的分佈。 對於所有實數值的随机变量 X {\displaystyle X} ，累积分布函数定義如下： 其中右侧表示随机变量

機率密度函數通常是定义离散機率分布的主要方法，并且此类函数存在于其定义域是离散的标量變數或多元随机變數（英语：Multivariate random variable）。 機率质量函數和機率密度函数的一个不同之处在于：機率质量函數是对离散随机變數定义的，本身代表该值的機率；機率密度函数本

={\frac {1}{N}}\sum _{i=1}^{N}\mathbf {x} _{i}.} 样本均值是隨機向量（英语：Multivariate random variable） X {\displaystyle \textstyle \mathbf {X} } 期望（若存在）的無偏估計（英语：Bias

对于给定模型，估计器需要若干统计 "成分"才能实现。第一，统计样本从长度为 N 的随机向量（英语：Multivariate_random_variable）（Random Variable，RV）中采样获得，观测值构成向量： x = [ x [ 0 ] x [ 1 ] ⋮ x [ N − 1