wobei sich die letzte Gleichheit mit Hilfe der Substitution
ergibt, deren Jacobi-Determinante gleich
ist.
Auf ähnliche Weise wie im Beweis von Theorem 3.7
ergibt sich nun hieraus mit Hilfe der Substitutionen
und
, daß
wobei die Matrix
aus den orthonormalen Eigenvektoren von
besteht und
die Eigenwerte
von
sind.
Nun genügt es zu beachten, daß
mit
die charakteristische Funktion der (eindimensionalen)
N
-Verteilung ist.
Für diese Funktion hatten wir in Abschnitt WR-5.3.3 gezeigt, daß
Es gilt somit
Mit Hilfe der in Theorem 3.8 hergeleiteten Formel
(42) für die charakteristische Funktion lassen sich
nun der Erwartungswert und die Kovarianzmatrix von
normalverteilten Zufallsvektoren bestimmen.
In Theorem WR-4.14 hatten wir gezeigt, daß die Kovarianzmatrix
eines beliebigen Zufallsvektors
stets symmetrisch und nichtnegativ definit ist.
In der Definition der multivariaten Normalverteilung wird
zusätzlich vorausgesetzt, daß die Kovarianzmatrix
positiv
definit ist.
Dabei ist die positive Definitheit von
nicht nur
hinreichend, sondern auch notwendig dafür, daß
,
d.h., daß
regulär ist bzw. vollen Rang hat.
Ein (indirekter) probabilistischer Beweis dieser Behauptung kann
wie folgt geführt werden.
Wir nehmen an, daß es einen Vektor
mit
gibt, so daß
. Dann gilt
0
Es gibt also eine Konstante
, so daß
bzw.
, wobei
wir o.B.d.A. voraussetzen, daß .
Für die Determinante
der
Kovarianzmatrix des Zufallsvektors
folgt
hieraus und aus der Identität
,
daß
wobei sich die letzte Gleichheit aus der Tatsache ergibt, daß die
Determinante gleich 0 ist, falls eine Zeile der Matrix der
Nullvektor ist bzw. falls die Matrix zwei identische Spalten oder
Zeilen besitzt.