เมทริกซ์ความสัมพันธ์ทุกตัวเป็นค่าบวกแน่นอนหรือไม่


11

ฉันกำลังพูดถึงที่นี่เกี่ยวกับเมทริกซ์ของเพียร์สันสหสัมพันธ์

ฉันมักจะได้ยินว่ามันบอกว่าการฝึกอบรมความสัมพันธ์ทั้งหมดจะต้องเป็น semidefinite บวก ความเข้าใจของฉันอยู่ที่การฝึกอบรมที่ชัดเจนในเชิงบวกจะต้องมีลักษณะเฉพาะในขณะที่การฝึกอบรม semidefinite บวกจะต้องมีลักษณะเฉพาะ0 นี่ทำให้ฉันคิดว่าคำถามของฉันสามารถใช้ถ้อยคำใหม่เป็น "เป็นไปได้ไหมที่เมทริกซ์สหสัมพันธ์จะมีค่า eigenvalue "0 = 0>00=0

เป็นไปได้สำหรับเมทริกซ์สหสัมพันธ์ (สร้างจากข้อมูลเชิงประจักษ์โดยไม่มีข้อมูลขาดหายไป) เพื่อให้มีค่าลักษณะเฉพาะหรือค่าลักษณะเฉพาะหรือไม่ จะเป็นอย่างไรถ้าเป็นเมทริกซ์สหสัมพันธ์ของประชากรแทน< 0=0<0

ฉันอ่านคำตอบที่ดีที่สุดสำหรับคำถามนี้เกี่ยวกับเมทริกซ์ความแปรปรวนร่วมนั้น

พิจารณาสามตัวแปร, ,และ Y เมทริกซ์ความแปรปรวนร่วมของพวกเขา, , ไม่ใช่บวกแน่นอนเนื่องจากมีเวกเตอร์ ( ) ซึ่งมีค่าไม่เป็นบวกY Z = X + Y M z = ( 1 , 1 , - 1 ) z M zXYZ=X+YMZ=(1,1,-1)'Z'MZ

อย่างไรก็ตามถ้าแทนที่จะเป็นเมทริกซ์ความแปรปรวนร่วมฉันทำการคำนวณเหล่านั้นบนเมทริกซ์สหสัมพันธ์แล้วจะออกมาเป็นค่าบวก ดังนั้นฉันคิดว่าบางทีสถานการณ์อาจแตกต่างกันสำหรับเมทริกซ์สหสัมพันธ์และความแปรปรวนร่วมZ'MZ

เหตุผลของฉันสำหรับถามคือฉันถูกถามมากกว่าในstackoverflowเกี่ยวกับคำถามที่ฉันถามที่นั่น


ตัวอย่างเช่นถ้าสองคุณสมบัติเป็นสิ่งเดียวที่มีชื่อต่างกันเมทริกซ์นั้นจะเป็นเอกพจน์ หากสองแอตทริบิวต์เพิ่มค่าคงที่มันจะเป็นเอกพจน์อีกครั้งและอื่น
ttnphns

หากเมทริกซ์ความแปรปรวนร่วมเป็นเมทริกซ์สหสัมพันธ์เอกพจน์ก็จะเป็นเอกพจน์เช่นกัน
ttnphns

2
ใกล้เคียงกัน: ทุกเมทริกซ์สหสัมพันธ์เป็นบวกกึ่งแน่นอน? ซึ่งให้ความสำคัญกับมุมที่แน่นอนน้อยกว่าเมื่อเทียบกับมุมกึ่งแน่นอนและเมทริกซ์ความแปรปรวนร่วมเป็นบวกแน่นอนหรือไม่ ซึ่งมีความเกี่ยวข้องเพราะความแปรปรวนร่วมเป็นหลักความสัมพันธ์ช่วย
Silverfish

คำตอบ:


16

เมทริกซ์สหสัมพันธ์นั้นไม่จำเป็นต้องเป็นค่าบวกแน่นอน

พิจารณาตัวแปรสเกลาร์แบบสุ่ม X ที่มีความแปรปรวนที่ไม่ใช่ศูนย์ จากนั้นเมทริกซ์สหสัมพันธ์ของ X กับตัวเองคือเมทริกซ์ของทุกคนซึ่งเป็นกึ่งบวกแน่นอน แต่ไม่ใช่บวกแน่นอน

สำหรับความสัมพันธ์ของกลุ่มตัวอย่างให้พิจารณาข้อมูลตัวอย่างข้างต้นโดยมีการสังเกตครั้งแรก 1 และ 1 และการสังเกตครั้งที่ 2 2 และ 2 ซึ่งส่งผลให้ความสัมพันธ์ตัวอย่างเป็นเมทริกซ์ของทุกคนดังนั้นจึงไม่แน่นอนบวก

เมทริกซ์สหสัมพันธ์ตัวอย่างหากคำนวณด้วยเลขคณิตที่แน่นอน (เช่นไม่มีข้อผิดพลาด roundoff) จะไม่สามารถมีค่าลักษณะเฉพาะเชิงลบได้


4
อาจจะมีมูลค่าการกล่าวขวัญผลกระทบที่เป็นไปได้ของค่าที่ขาดหายไปในเมทริกซ์ความสัมพันธ์ของกลุ่มตัวอย่าง ตัวเลขเชิงฝอยไม่ใช่เหตุผลเดียวที่จะได้ค่าลักษณะเฉพาะเชิงลบในเมทริกซ์สหสัมพันธ์ตัวอย่าง / เมทริกซ์ความแปรปรวนร่วม
Silverfish

1
ใช่ฉันไม่ได้อธิบายอย่างชัดเจน แต่ฉันคิดตามคำสั่งคำถาม "โดยไม่มีข้อมูลหายไป" เมื่อคุณเข้าสู่โลกแห่งธรรมชาติข้อมูลที่ขาดหายไปและการปรับเปลี่ยนนั้นจะไม่มีอะไรเกิดขึ้น
Mark L. Stone

ใช่ขออภัยคุณพูดถูกคำถามว่า "ไม่มีข้อมูลที่หายไป" - แค่คิดว่ามันควรค่าแก่การพูดถึงที่ไหนสักแห่งเนื่องจากผู้ค้นหาในอนาคตอาจสนใจแม้ว่า OP ของผู้มีความอยากอาหารจะพอเพียง!
Silverfish

7

คำตอบโดย @yoki และ @MarkLStone (+1 ทั้งคู่) ชี้ให้เห็นว่าเมทริกซ์สหสัมพันธ์ของประชากรสามารถมีค่าลักษณะเฉพาะเป็นศูนย์ได้หากตัวแปรมีความสัมพันธ์เชิงเส้น (เช่นในตัวอย่างของ @MarkLStone และX 1 = 2 X 2ในตัวอย่างของ @yoki)X1=X2X1=2X2

นอกจากนั้นเมทริกซ์สหสัมพันธ์ตัวอย่างจะต้องมีค่าลักษณะเฉพาะเป็นศูนย์ถ้าคือถ้าขนาดตัวอย่างเล็กกว่าจำนวนของตัวแปร ในกรณีนี้ความแปรปรวนร่วมและเมทริกซ์สหสัมพันธ์จะอยู่ในอันดับที่n - 1มากที่สุดดังนั้นอย่างน้อยจะมีค่าลักษณะเฉพาะp - n + 1เป็นศูนย์ ดูเหตุใดเมทริกซ์ความแปรปรวนร่วมตัวอย่างเป็นเอกเทศเมื่อขนาดตัวอย่างน้อยกว่าจำนวนตัวแปร และเป็นตำแหน่งของความแปรปรวนเมทริกซ์ที่มากที่สุดทำไมn - 1 ?n<พีn-1พี-n+1n-1


มันก็เป็นจริง. ฉันคิดว่าฉันควรจะมีและควรให้ข้อมูลนี้เช่นกัน แต่เป้าหมายของฉันคือการสร้างตัวอย่างเพื่อลบล้างสมมติฐานของ OP ดังนั้นจึงแสดงความไม่ถูกต้องอย่างไรก็ตามคุณควรปรับประโยคที่สองของคุณให้เป็น "ในกรณีนี้ความแปรปรวนร่วมและเมทริกซ์สหสัมพันธ์ จะอยู่ในอันดับสูงสุด n − 1 ดังนั้นจะมีอย่างน้อย (p − n + 1) ศูนย์ค่าลักษณะเฉพาะ "
Mark L. Stone

4

พิจารณาจะเป็น RV ที่มีค่าเฉลี่ย 0 และความแปรปรวนของ 1. Let Y = 2 Xและคำนวณเมทริกซ์ความแปรปรวนของ( X , Y ) ตั้งแต่2 X = Y , E [ Y 2 ] = 4 E [ X 2 ] = σ 2 Y , และE [ X Y ] = 2 E [ X 2 ]XY=2X(X,Y)2X=YE[Y2]=4E[X2]=σY2E[XY]=2E[X2]. เนื่องจากการกำหนดค่าเฉลี่ยศูนย์ช่วงเวลาที่สองจะเท่ากับ covariances เหมาะสมเช่น: ]Cov(X,Y)=E[XY]-EXEY=E[XY]

ดังนั้นเมทริกซ์ความแปรปรวนร่วมจะเป็น: มีค่าศูนย์เป็นศูนย์ เมทริกซ์สหสัมพันธ์จะเป็น: Λ = ( 1 1 1 1 ) ,มีค่า eigenvalue เป็นศูนย์เช่นกัน เนื่องจากความสัมพันธ์เชิงเส้นระหว่างXและYมันง่ายที่จะเห็นว่าทำไมเราถึงได้เมทริกซ์สหสัมพันธ์นี้ - เส้นทแยงมุมจะเป็น 1 เสมอ, และเส้นทแยงมุมเท่ากับ 1 เพราะความสัมพันธ์เชิงเส้น

Λ=(1224),
Λ=(1111),
XY

2Λโอโวลต์(X,Y)=E(XY)-E(X)E(Y)=2E[X2]=2(σX2+[E(X)]2)E(X2)=var(X)+[E(X)]2

dผมaก.Λ-1/2Λdผมaก.Λ1/2

@ AntoniParellada ฉันไม่แน่ใจว่าคุณหมายถึงอะไร - ความแปรปรวนร่วมที่นี่เป็นการคำนวณโดยตรง แต่ฉันจะแก้ไขและทำให้ชัดเจนยิ่งขึ้น ขอบคุณ
yoki
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.