跳转到内容

威沙特分佈

本页使用了标题或全文手工转换
维基百科,自由的百科全书
(重定向自Wishart分佈
威沙特
参数 自由度 (實數)
尺度矩陣 (正定)
值域 是正定的
概率密度函数
期望值
眾數
特徵函数

統計學家约翰·威沙特為名的威沙特分佈統計學上的一種半正定矩陣隨機分佈。[1]這個分佈在多變量分析协方差矩阵估計上相當重要。


定義

[编辑]

假設X為一n × p矩陣,其各行(row)來自同一均值向量為多變量常態分佈且彼此獨立

則威沙特分佈為散異矩陣英语Scatter matrix

機率分佈

有該機率分佈通常記為

其中正整數自由度。有時亦記號為。若則該分佈退化為一自由度為的單變量卡方分佈

常見應用

[编辑]

威沙特分佈常用於多變量的概似比檢定,亦用於隨機矩陣的頻譜理論中。

機率密度函數

[编辑]

威沙特分佈具有下述的機率密度函數

令'為一正定對稱隨機變數矩陣。令為一特定正定矩陣。

如此,若,則服從於一具自由度n的威沙特分佈且有機率度函數

其中多變量Gamma分佈,其定義為

上述定義可推廣至任一實數[2]

特徵函數

[编辑]

威沙特分佈的特徵函數

也就是說

其中為期望值

(這裡的 皆為與維度相同的矩陣。(單位矩陣,而為-1的平方根).[3]

理論架構

[编辑]

為一自由度為m,共變異矩陣為的威沙特分佈,記為——其中為一q秩矩陣,則[4]

推論1

[编辑]

為一非負常數向量,則[4] .

則在此情形下,為一卡方分佈(因為正定,所以為一正常數)。

推論2

[编辑]

的情形下(亦即第j個元素為1其他為0),推論1可導出

為矩陣的每一個對對角元素的邊際分佈。

統計學家George Seber英语George Seber曾論證威沙特分佈並非多變量卡方分佈,這是因為非對角元素的邊際分佈並非卡方分佈,Seber傾向於將某某多變量分佈此一遣詞用於所有元素的邊際分佈皆相同的情形。[5]

多變量常態分佈的估計

[编辑]

由於威沙特分佈可視為一多變量常態分佈其共變異矩陣最大概似估計量(MLE)的分佈,其衍自MLE的計算可為令人驚喜地簡約而優雅。[6] 基於頻譜理論,可將一純量視為一矩陣的跡(trace)。請參考共變異矩陣的估計

分佈抽樣

[编辑]

以下的演算法取材自 Smith & Hocking (1972)。[7]一個來自自由度為n及共變異矩陣為的威沙特分佈的(其中)隨機樣本可以如下方式抽樣而得:

  1. 生成一隨機三角矩陣 使得:
    • ,意即 為一卡方分佈隨機樣本的平方根。
    • 其中,為一常態分佈的隨機樣本。[8]
  2. 計算Cholesky分解
  3. 計算。此時, 為一的隨機樣本。

,則因,可以直接以進行抽樣。

參考條目

[编辑]

參考資料

[编辑]
  1. ^ Wishart, J. The generalised product moment distribution in samples from a normal multivariate population. Biometrika. 1928, 20A (1–2): 32–52. JFM 54.0565.02. JSTOR 2331939. doi:10.1093/biomet/20A.1-2.32. 
  2. ^ Uhlig, H. On Singular Wishart and Singular Multivariate Beta Distributions. The Annals of Statistics. 1994, 22: 395–405. doi:10.1214/aos/1176325375. 
  3. ^ Anderson, T. W. An Introduction to Multivariate Statistical Analysis 3rd. Hoboken, N. J.: Wiley Interscience. 2003: 259. ISBN 0-471-36091-0. 
  4. ^ 4.0 4.1 Rao, C. R. Linear Statistical Inference and its Applications. Wiley. 1965: 535. 
  5. ^ Seber, George A. F. Multivariate Observations. Wiley. 2004. ISBN 978-0471691211. 
  6. ^ Chatfield, C.; Collins, A. J. Introduction to Multivariate Analysis. London: Chapman and Hall. 1980: 103–108. ISBN 0-412-16030-7. 
  7. ^ Smith, W. B.; Hocking, R. R. Algorithm AS 53: Wishart Variate Generator. Journal of the Royal Statistical Society, Series C. 1972, 21 (3): 341–345. JSTOR 2346290. 
  8. ^ Anderson, T. W. An Introduction to Multivariate Statistical Analysis 3rd. Hoboken, N. J.: Wiley Interscience. 2003: 257. ISBN 0-471-36091-0.