เมื่อคำนวณเมทริกซ์ความแปรปรวนร่วมของตัวอย่างจะมีการรับประกันว่าจะได้เมทริกซ์สมมาตรและบวกแน่นอนหรือไม่
ปัจจุบันปัญหาของฉันมีตัวอย่างของเวกเตอร์สังเกต 4600 และ 24 มิติ
เมื่อคำนวณเมทริกซ์ความแปรปรวนร่วมของตัวอย่างจะมีการรับประกันว่าจะได้เมทริกซ์สมมาตรและบวกแน่นอนหรือไม่
ปัจจุบันปัญหาของฉันมีตัวอย่างของเวกเตอร์สังเกต 4600 และ 24 มิติ
คำตอบ:
สำหรับตัวอย่างเวกเตอร์ , กับ , ค่าเฉลี่ยเวกเตอร์ตัวอย่างคือ
เงื่อนไขเพิ่มเติมสำหรับจะเป็นบวกแน่นอนได้รับในข้อคิดเห็นของ whuber มันไปดังนี้
กำหนดสำหรับ n สำหรับค่าใด ๆ ที่ไม่ใช่ศูนย์ , เป็นศูนย์ถ้าและถ้าสำหรับแต่ละฉัน=1,...,n สมมติว่าชุด{z1,…,zn}มีช่วงRkเท่านั้น จากนั้นมีจำนวนจริงα 1 , … , α nนั่นy = α 1 z 1 + ⋯ + α n z n. แต่เรามีโดยให้ซึ่งเป็นความขัดแย้ง ดังนั้นถ้าขยายแล้วเป็นบวกแน่นอน เงื่อนไขนี้จะเทียบเท่ากับk
ถูกต้องเมทริกซ์ความแปรปรวนอยู่เสมอสมมาตรและบวก * กึ่ง * แน่นอน
แปรปรวนร่วมระหว่างสองตัวแปรคือการท้าทายเป็น ]
สมการนี้จะไม่เปลี่ยนถ้าคุณสลับตำแหน่งของและy ที่ ดังนั้นเมทริกซ์จะต้องสมมาตร
มันจะต้องเป็นบวก * semi- * แน่นอนเพราะ:
คุณสามารถค้นหาการเปลี่ยนแปลงของตัวแปรของคุณได้ในแบบที่ความแปรปรวนร่วมเมทริกซ์เปลี่ยนเป็นเส้นทแยงมุม บนเส้นทแยงมุมคุณจะพบความแปรปรวนของตัวแปรที่แปลงแล้วซึ่งมีค่าเป็นศูนย์หรือบวกมันง่ายที่จะเห็นว่าสิ่งนี้ทำให้เมทริกซ์เชิงบวกที่เปลี่ยนรูปได้เป็นกึ่งบวก อย่างไรก็ตามเนื่องจากคำจำกัดความของความแน่นอนคือการเปลี่ยนแปลงไม่แปรเปลี่ยนดังนั้นจึงเป็นไปตามที่ความแปรปรวนร่วมเมทริกซ์นั้นเป็นค่ากึ่งบวกเชิงบวกในระบบพิกัดที่เลือก
เมื่อคุณประเมินเมทริกซ์ความแปรปรวนร่วมของคุณ (นั่นคือเมื่อคุณคำนวณความแปรปรวนร่วมตัวอย่างของคุณ) ด้วยสูตรที่คุณระบุไว้ข้างต้นมันจะ obv ยังคงสมมาตร นอกจากนี้ยังต้องเป็น semidefinite บวก (ฉันคิดว่า) เพราะสำหรับแต่ละตัวอย่างไฟล์ pdfที่ให้แต่ละจุดตัวอย่างน่าจะเท่ากันมีความแปรปรวนร่วมตัวอย่างเป็นความแปรปรวนร่วม (ใครก็ได้โปรดตรวจสอบเรื่องนี้) ดังนั้นทุกอย่างที่กล่าวไว้ข้างต้น
เมทริกซ์ความแปรปรวน - โควาริอิ้งนั้นมีความสมมาตรอยู่เสมอเนื่องจากสามารถพิสูจน์ได้จากสมการที่เกิดขึ้นจริงเพื่อคำนวณแต่ละเทอมของเมทริกซ์ดังกล่าว
นอกจากนี้เมทริกซ์ Variance-Covariance ยังเป็นเมทริกซ์จตุรัสขนาด n เสมอโดยที่ n คือจำนวนตัวแปรในการทดสอบของคุณ
Eigenvectors ของเมทริกซ์สมมาตรเป็นมุมฉากเสมอ
ด้วย PCA คุณจะกำหนดค่าลักษณะเฉพาะของเมทริกซ์เพื่อดูว่าคุณสามารถลดจำนวนตัวแปรที่ใช้ในการทดสอบของคุณหรือไม่
ฉันจะเพิ่มอาร์กิวเมนต์ที่ดีของ Zen ต่อไปนี้ซึ่งอธิบายว่าทำไมเรามักจะพูดว่าเมทริกซ์ความแปรปรวนร่วมเป็นบวกแน่นอนถ้า k
ถ้าเป็นตัวอย่างที่สุ่มจากการกระจายความน่าจะเป็นอย่างต่อเนื่องแล้วx 1 , x 2 , . . , x nเกือบจะแน่นอน (ในแง่ของทฤษฎีความน่าจะเป็น) เป็นเส้นตรง ตอนนี้ซี1 , ซี2 , . . , z nไม่ได้เป็นเชิงเส้นอย่างอิสระเนื่องจาก∑ n i = 1 z iแต่เป็นเพราะการเป็นอิสระเชิงเส้น, ซี1 , ซี2 , . . , Z nเป็นช่วงR n - 1 ถ้าn - 1 ≥ k , พวกมันจะขยายR kด้วย
สรุปถ้าเป็นตัวอย่างแบบสุ่มของการแจกแจงความน่าจะเป็นแบบต่อเนื่องและn - 1 ≥ k , เมทริกซ์ความแปรปรวนร่วมเป็นบวกแน่นอน
สำหรับผู้ที่มีพื้นหลังที่ไม่ใช่ทางคณิตศาสตร์อย่างฉันที่ไม่ได้จับสูตรทางคณิตศาสตร์อย่างรวดเร็วนี่เป็นตัวอย่างที่ได้จาก excel สำหรับคำตอบที่ได้รับการโหวตมากที่สุด เมทริกซ์ความแปรปรวนร่วมสามารถได้มาในรูปแบบอื่นเช่นกัน