เมทริกซ์ความแปรปรวนร่วมสำหรับการแจกแจงแบบเกาส์และ Wishart


11

ฉันกำลังอ่านบทความนี้เกี่ยวกับกระบวนการ Wishart ทั่วไป (GWP) กระดาษคำนวณความแปรปรวนร่วมระหว่างตัวแปรสุ่มที่แตกต่างกัน (ตามกระบวนการ Gaussian ) โดยใช้ฟังก์ชันความแปรปรวนแบบยกกำลังสองกำลังสองคือขวา) มันบอกว่าเมทริกซ์ความแปรปรวนร่วมนี้ติดตาม GWPK(x,x)=exp(|(xx)|22l2)

ฉันเคยคิดว่าเมทริกซ์ความแปรปรวนร่วมที่คำนวณจากฟังก์ชันความแปรปรวนเชิงเส้นตรง ( )K(x,x)=xTxตามการแจกแจง Wishart ด้วยพารามิเตอร์ที่เหมาะสม

คำถามของฉันคือเราจะยังคงสมมติว่าความแปรปรวนร่วมเป็นไปตามการกระจายของ Wishart ด้วยฟังก์ชันความแปรปรวนแบบยกกำลังสองได้อย่างไร โดยทั่วไปแล้วเงื่อนไขที่จำเป็นสำหรับฟังก์ชันความแปรปรวนร่วมในการผลิตเมทริกซ์ความแปรปรวนร่วม Wishart คืออะไร?

คำตอบ:


8

สิ่งที่ผสมกันคือข้อกำหนดความแปรปรวนร่วมในแง่ของพื้นที่โดยรอบซึ่งกระบวนการแบบเกาส์กำหนดไว้และการดำเนินการที่เปลี่ยนตัวแปรสุ่มแบบเกาส์มิติแบบ จำกัด เพื่อให้เกิดการกระจายแบบ Wishart

ถ้าคือมิติแบบเกาส์ตัวแปรสุ่ม (คอลัมน์เวกเตอร์) ที่มีค่าเฉลี่ย 0 และแปรปรวนเมทริกซ์การกระจายของคือการกระจายริชาร์ต1) โปรดทราบว่าเป็นเมทริกซ์นี่เป็นผลลัพธ์ทั่วไปเกี่ยวกับวิธีที่รูปแบบสมการ กำลังสอง แปลงการแจกแจงแบบเกาส์เป็นการกระจายแบบ Wishart มันถือสำหรับทางเลือกของการบวกเมทริกซ์แน่นอนแปรปรวนใด ๆ\หากคุณมีการสังเกตการณ์ของ idXN(0,Σ)pΣW=XXTWp(Σ,1)Wp×p

xxxT
ΣX1,,Xnแล้วด้วยการกระจายของ เป็น Wishartกระจาย หารด้วยเราได้รับความแปรปรวนเมทริกซ์เชิงประจักษ์การประมาณการของ\Wi=XiXiT
W1++Wn
Wp(Σ,n)nΣ

สำหรับกระบวนการแบบเกาส์นั้นมีพื้นที่รอบข้างสมมติว่าเป็นภาพประกอบเช่นนั้นตัวแปรสุ่มที่พิจารณาถูกทำดัชนีโดยองค์ประกอบในพื้นที่รอบข้าง นั่นคือเราจะพิจารณากระบวนการ{R}} มันคือเกาส์ (และเพื่อความง่ายนี่หมายถึง 0) ถ้าขอบเขตการแจกแจงมิติเป็นเกาส์นั่นคือถ้า สำหรับทุก{R} ทางเลือกของฟังก์ชันความแปรปรวนร่วมตามที่กล่าวไว้โดย OP กำหนดเมทริกซ์ความแปรปรวนร่วมนั่นคือ R(X(x))xR

X(x1,,xp):=(X(x1),,X(xp))TN(0,Σ(x1,,xp))
x1,,xpR
cov(X(xi),X(xj))=Σ(x1,,xp)i,j=K(xi,xj).
การไม่คำนึงถึงทางเลือกของการกระจายของ จะเป็น Wishart -distributionK
X(x1,,xp)X(x1,,xp)T
Wp(Σ(x1,,xp),1)

ขอบคุณที่ตอบคำถามนี้ ฉันมีคำถามสองสามข้อ คำตอบของคุณเมื่อคุณพูดว่าการแปลงที่แปลง Gaussian dist เป็น Wishart dist ถือสำหรับตัวเลือกใด ๆ ของเมทริกซ์โคเวย์ + ve + แน่นอนเรามีตัวเลือกอะไรที่แตกต่างกันสำหรับเมทริกซ์โควานี้? นอกจากนี้เพื่อชี้แจง - สำหรับ cov matrix ที่กำหนดโดยฟังก์ชัน cov, i และ j ระบุองค์ประกอบในอวกาศโดยรอบของ Gaussian Process (เช่นถ้ามันเป็นกระบวนการชั่วคราวดังนั้นเวลา instants t_1 และ t_2)?
steadyfish

@ Steadyfish ใช่ดัชนีและอ้างถึงคะแนนและในพื้นที่โดยรอบและสำหรับกระบวนการทางโลกถึงเวลาสองจุด เมทริกซ์ความแปรปรวนร่วมเป็นบวกแน่นอน (กึ่ง) เสมอ สูตรไม่ได้มีวัตถุประสงค์เพื่อ จำกัด ผลในทางใดทางหนึ่ง แต่จะเน้นว่ามันมีไว้สำหรับการเลือกตราบใดที่เป็นเมทริกซ์ความแปรปรวนร่วม ฉันทิ้งความเป็นไปได้ที่อาจจะเป็นแบบ semidefinite เพื่อหลีกเลี่ยงความยุ่งเหยิงกับปัญหาที่ไม่เกี่ยวข้องกับการแจกแจงแบบปกติเอกพจน์ ฯลฯijxixjΣ ΣΣ
NRH

ขอบคุณ @NRH ฉันได้รับจุดเกี่ยวกับพื้นที่โดยรอบ คำถามเกี่ยวกับความแปรปรวนร่วม Covariance คำถามของฉันคือว่ามีวิธีอื่นในการกำหนดเมทริกซ์ความแปรปรวนร่วมนอกเหนือจาก (และไม่เกี่ยวกับคุณสมบัติเชิงบวกแน่นอนหรือเชิงบวกเชิงบวก) (ฉันหวังว่าคำถามจะชัดเจนในเวลานี้!)xTx
ปลากระพง

@ Steadyfish โอ้ฉันเข้าใจแล้ว ในความเป็นจริงฉันยุ่งกับการถ่ายโอนและว่าเวกเตอร์เป็นเวกเตอร์แถวหรือคอลัมน์ ตอนนี้ฉันได้ทำไปอย่างแม่นยำและเพิ่มความสัมพันธ์ระหว่างเมทริกซ์ความแปรปรวนเชิงประจักษ์กับเมทริกซ์ความแปรปรวนเชิงทฤษฎีเพียงเล็กน้อย ในทางทฤษฎีไม่ได้กำหนดไว้ในแง่ของการสังเกต
NRH
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.