亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        大維廣義Beta矩陣極限譜分布函數(shù)

        2015-03-02 03:36:40買吐地拜爾地
        關(guān)鍵詞:大維協(xié)方差廣義

        買吐地·拜爾地,胡 江

        (1.和田師范??茖W(xué)校數(shù)學(xué)與信息學(xué)院,新疆 和田848000;2.東北師范大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院,吉林 長(zhǎng)春130024)

        1 預(yù)備知識(shí)

        多元統(tǒng)計(jì)分析是數(shù)理統(tǒng)計(jì)的一個(gè)重要分支,在社會(huì)學(xué)、經(jīng)濟(jì)學(xué)、氣象學(xué)等各個(gè)領(lǐng)域都有廣泛的應(yīng)用.隨著計(jì)算機(jī)技術(shù)的發(fā)展,各個(gè)行業(yè)都可以收集、儲(chǔ)存大量的數(shù)據(jù)信息資料,然而經(jīng)典多元統(tǒng)計(jì)分析的理論卻隨著數(shù)據(jù)維數(shù)的增加表現(xiàn)得越來(lái)越差,甚至根本無(wú)法應(yīng)用.這就要求人們研究一些新的理論方法去處理大維數(shù)據(jù),正是在這樣的背景下隨機(jī)矩陣?yán)碚搼?yīng)運(yùn)而生.

        隨機(jī)矩陣起源于20世紀(jì)50年代,當(dāng)時(shí)物理學(xué)家們?cè)诹孔恿W(xué)中發(fā)現(xiàn)重核子能級(jí)結(jié)構(gòu)可以用隨機(jī)矩陣的特征根表達(dá),后來(lái)在1955年及1958年,數(shù)學(xué)物理學(xué)家、物理諾貝爾獎(jiǎng)獲得者Wigner教授得到這類矩陣特征根經(jīng)驗(yàn)分布的極限分布,也被稱為半圓律[1-2].1967年,Marˇcenko和Pastur給出了經(jīng)典樣本協(xié)方差矩陣的極限譜分布函數(shù)[3],這也被后人稱為M-P律.通常我們假設(shè)樣本{Xi}為一列獨(dú)立同分布的p 維隨機(jī)實(shí)列向量,i=1,…,n,并且Xi中元素{xij}獨(dú)立且滿足期望為0,方差為1.稱矩陣

        為樣本協(xié)方差矩陣.假設(shè){Yi}為另外一列與{Xi}獨(dú)立的獨(dú)立同分布的p 維隨機(jī)實(shí)列向量,i=1,…,N,類似的Yi中元素{yij}獨(dú)立且滿足期望為0,方差為1,Hn為一個(gè)p×p 非隨機(jī)正定對(duì)稱矩陣.那么記

        叫作矩陣A 的經(jīng)驗(yàn)譜分布函數(shù).這里的δ(·)表示示性函數(shù).此時(shí)我們可以定義廣義Beta矩陣.

        定義1(廣義Beta矩陣) 將型為Bn=Sn(Sn+αnTN)-1的矩陣稱為廣義Beta矩陣,其中αn是任意非隨機(jī)正常數(shù).

        我們主要考慮當(dāng){p,n,N}→∞,隨機(jī)矩陣Bn=Sn(Sn+αnTN)-1的經(jīng)驗(yàn)譜分布函數(shù),即FBn 的極限.

        Beta矩陣在多元分析中有很多的應(yīng)用領(lǐng)域,比如檢驗(yàn)多個(gè)總體協(xié)方差矩陣是否相等、多元方差分析、檢驗(yàn)幾組向量的獨(dú)立性、典則相關(guān)分析等等.一般情況下只要是涉及比較兩個(gè)或多個(gè)總體的關(guān)系時(shí),往往會(huì)用到Beta矩陣,實(shí)際上非常多的研究成果都涉及Beta矩陣[3-6].

        記{z1(1),…,zn(1)}為一組p 維獨(dú)立同分布隨 機(jī) 向 量,{z1(2),…,zN(2)}是 另 外 一組p 維 獨(dú) 立 同分布隨機(jī)向量.令μi=E(z1(i))=0 以 及Σi=Var(z1(i)),i=1,2.那 么 假 設(shè) 各 自 滿 足zj(1)=Σ11/2X(·,j)以 及zj(2)=其中X(·,j)(X(·,j))表示Xn(XN)的第j列.我們要做的是檢驗(yàn)

        在原假設(shè)H0下

        其中cn=n/(n+N),cN=N/(n+N),αn=N/n.顯然以上所有的檢驗(yàn)函數(shù)都是Beta矩陣Bn的經(jīng)驗(yàn)譜分布函數(shù)的線性函數(shù).若Hn=In為單位陣,白志東等在文獻(xiàn)[7]給出此時(shí)Beta矩陣的極限譜分布函數(shù)的形式及其線性譜統(tǒng)計(jì)量的中心極限定理.這給大維檢驗(yàn)問(wèn)題提供了一種理論支持,但是該理論可以得到檢驗(yàn)函數(shù)的置信水平,卻無(wú)法得到準(zhǔn)確的勢(shì)函數(shù).為彌補(bǔ)這一不足,我們進(jìn)行了研究,得到一些有益的結(jié)論.

        2 主要結(jié)果

        定義2(Stieltjes變換) 對(duì)任意定義在實(shí)數(shù)軸上的有界變差函數(shù)G,函數(shù)

        稱為函數(shù)G 的Stieltjes變換.

        定理1 在Beta矩陣定義的基礎(chǔ)上假設(shè)滿足條件:

        (ⅰ)αn→α>0,p/n→βx>0.

        (ⅱ)p/N→βy>0

        (ⅲ)supnE|x11|4<∞,supNE|y11|4<∞.

        (ⅳ){Hn}是一列p×p 厄爾米特矩陣,滿足依概率1譜范數(shù)有界,并且{Hn}的經(jīng)驗(yàn)譜分布函數(shù)幾乎處處收斂到非隨機(jī)分布函數(shù)H.

        (ⅴ)矩陣{Sn+αnTN}的最小特征根隨著n→∞幾乎處處收斂到一個(gè)正常數(shù).

        由定理1及文獻(xiàn)[7]的定理1.1,我們可以直接得到如下結(jié)論:

        3 定理證明

        引理1[8]記A 與B 是兩個(gè)p×n矩陣.那么有

        其中L(·,·)表示Lévy距離.

        引理2[9]對(duì)任意隨機(jī)矩陣An,令FAn 和sFAn(z)分別表示它的經(jīng)驗(yàn)譜分布函數(shù)及經(jīng)驗(yàn)譜分布函數(shù)的Stieltjes變換.那么,如果依概率1,F(xiàn)An 是緊的,并且對(duì)z∈C+,隨著n 趨于無(wú)窮時(shí),sFAn(z)幾乎處處收斂到sF(z).那么存在一個(gè)以sF(z)為其Stieltjes變換的非隨機(jī)分布函數(shù)F,使得當(dāng)n趨于無(wú)窮時(shí),F(xiàn)An幾乎處處弱收斂到F.

        引理3[10]令G 是一個(gè)有界變差函數(shù),x0∈R.如果存在,記作?sG(x0),那么G 在x0可導(dǎo),并且它的導(dǎo)數(shù)是π-1?sG(x0).

        由引理2我們知道要證明定理1只需要三個(gè)步驟:(1){FBn}是幾乎處處緊的其中s滿足方程(1);(3)方程(1)在C+上解唯一.

        步驟1 對(duì)任意實(shí)數(shù)t1,t2≥0,我們可以得到

        由于在定理1的假設(shè)條件下,我們知道FSn 幾乎處處收斂到M-P分布Fymp(參見(jiàn)文獻(xiàn)[3]),并且密度函數(shù)可以表示為

        如果y>1,那么Fymp在原點(diǎn)具有質(zhì)量為1-1/y.其中所以{FSn}是幾乎處處緊的.

        另外,由定理1的條件(ⅴ),(2)式的第二項(xiàng)使得當(dāng)n足夠大時(shí)可以任意小,那么如果令1/t小于矩陣{Sn+αnT}的最小特征根,即可得{FBn}是幾乎處處緊的.

        步驟2 由Stieltjes的定義,對(duì)z∈C+,

        利用性質(zhì)Bn與S1/2n(Sn+αnTN)-1S1/2n有相同的特征根.記Bε=Sn(Sn+αnTN+εI)-1,其中ε>0足夠小.再由引理1我們得到

        容易驗(yàn)證

        由定理1中條件(ⅴ)幾乎處處有

        進(jìn)一步有

        下面考慮Bε的極限譜分布函數(shù).由于矩陣αnTN+εI 對(duì)于任意ε>0是可逆的,所以有

        其中

        由此可得

        Silverstein在文獻(xiàn)[11]得到對(duì)z∈C+,矩陣的極限譜分布函數(shù)(非隨機(jī))的Stieltjes變換,記為s^ε(z),滿足方程

        其中Kε表示(αnT+εI)-1的極限譜分布函數(shù).由于?(z/(1-z))=|1-z|2?z>0,所以由(5)式我們得到sFBε(z)幾乎處處收斂到一個(gè)非隨機(jī)的極限sε(z),并且滿足方程

        再根據(jù)Kε與K 的定義

        所以令ε→0得

        其中sT(z)表示分布函數(shù)K(x)的Stieltjes變換.再次利用Silverstein在文獻(xiàn)[8]的結(jié)果可以得到

        所以得到方程(1).

        步驟3 由于文獻(xiàn)[11]中已經(jīng)證明方程(7)在C+解唯一.那么根據(jù)引理3,我們得到分布函數(shù)K(x)在幾乎處處意義下唯一,再根據(jù)文獻(xiàn)[7]中定理2.3就得到了方程(6)在C+中解唯一的結(jié)論.綜上所述,定理1得證.

        4 模擬結(jié)果

        我們的模擬數(shù)據(jù)均來(lái)自標(biāo)準(zhǔn)正態(tài)分布,但是需要注意的是非正態(tài)數(shù)據(jù)的結(jié)果與此類似.首先假定H=I,那么可以得到推論1.模擬結(jié)果中p=3 000,n=5 000以及N=6 000.通過(guò)圖1可以看出擬合的效果非常明顯.

        圖2直方圖中的H 是對(duì)角線元素為1 000 個(gè)1 與2 000 個(gè)15 的對(duì)角陣.首先我們可以看出在0.2~0.3之間有一個(gè)小區(qū)間沒(méi)有特征根出現(xiàn),這也就是所謂的絕對(duì)分離定理,也是我們今后將研究的問(wèn)題.另外由于矩陣H 變得復(fù)雜以后,極限譜分布函數(shù)的密度函數(shù)f(x)的顯示表達(dá)式很難給出,這部分內(nèi)容可以參看文獻(xiàn)[11-12],所以圖2沒(méi)有給出極限譜密度函數(shù)圖像.

        圖1 H=I時(shí),廣義Beta矩陣極限譜分布密度函數(shù)

        [1]WIGNER E P.Characteristic vectors of bordered matrices with infinite dimensions[J].Annals of Mathematics,1955,62(3):548-564.

        [2]WIGNER E P.On the distribution of the roots of certain symmetric matrices[J].Annals of Mathematics,1958,67(2):325-327.

        [3]MARˇCENKO V A,PASTUR L A.Distribution of eigenvalues for some sets of random matrices[J].Mathematics of the USSRSbornik,1967,1(4):457-483.

        [4]ANDERSON T.An introduction to multivariate statistical analysis[M].Third Edition.New York:Wiley,2003:441-458.

        [5]FUJIKOSHI Y,ULYANOV V V,SHIMIZU R.Multivariate statistics:high-dimensional and large-sample approximations[M].New York:Wiley,2011:219-244.

        [6]MUIRHEAD R J.Aspects of multivariate statistical theory,Volume 42[M].New York:Wiley,1982:291-375.

        [7]BAI Z D,HU J,PAN G,et al.Convergence of the empirical spectral distribution function of Beta matrices[J].Bernoulli,2015,21(3):250-286.

        [8]BAI Z D,SILVERSTEIN J W.Spectral analysis of large dimensional random matrices[M].Second Edition.New York:Springer Verlag,2010:506.

        [9]BAI Z D,ZHANG L X.The limiting spectral distribution of the product of the Wigner matrix and a nonnegative definite matrix[J].Journal of Multivariate Analysis,2010,101(9):1927-1949.

        [10]SILVERSTEIN J W.Strong convergence of the empirical distribution of eigenvalues of large dimensional random matrices[J].Journal of Multivariate Analysis,1995,55(2):331-339.

        [11]胡江,胡果榮,史曉磊.大維AR(1)模型樣本協(xié)方差陣的極限譜密度[J].東北師大學(xué)報(bào):自然科學(xué)版,2010,42(2):1-6.

        [12]SILVERSTEIN J W,CHOI S I.Analysis of the limiting spectral distribution of large dimensional random matrices[J].Journal of Multivariate Analysis,1995,54(2):295-309.

        猜你喜歡
        大維協(xié)方差廣義
        Rn中的廣義逆Bonnesen型不等式
        從廣義心腎不交論治慢性心力衰竭
        越騎越快
        紅豆(2018年8期)2018-08-07 01:50:58
        有限群的廣義交換度
        抱琴
        不確定系統(tǒng)改進(jìn)的魯棒協(xié)方差交叉融合穩(wěn)態(tài)Kalman預(yù)報(bào)器
        一種基于廣義協(xié)方差矩陣的欠定盲辨識(shí)方法
        抱琴
        綠皮列車
        縱向數(shù)據(jù)分析中使用滑動(dòng)平均Cholesky分解對(duì)回歸均值和協(xié)方差矩陣進(jìn)行同時(shí)半?yún)?shù)建模
        亚洲精品久久久久中文字幕二区| 亚洲av老熟女一区二区三区| 在厨房拨开内裤进入毛片| 女人被狂躁高潮啊的视频在线看| 国产精品6| 亚洲国产精品第一区二区三区| 开心激情视频亚洲老熟女| 亚洲av无码专区在线观看下载| 人妻熟妇乱又伦精品视频app| 欧美久久中文字幕| 中文字幕亚洲一区视频| 久久精品国产亚洲av麻豆长发| 国产人妻无码一区二区三区免费 | 亚洲国产成人精品无码区在线秒播| 乱子伦视频在线看| 蜜芽尤物原创AV在线播放| 国产视频一区二区三区观看| 情人伊人久久综合亚洲| 青青草国产成人99久久| 亚洲中文字幕黄色小视频| 国产精品国产三级国产av18| 精品久久久久久无码人妻热| 国产成人77亚洲精品www| 日本二区三区视频在线观看| 最近亚洲精品中文字幕| 日本一区二区在线免费看| 成年女人粗暴毛片免费观看| 最新国产乱视频伦在线| 中文天堂一区二区三区| 成人免费播放视频777777| 国产人妻精品一区二区三区不卡| 日韩美无码一区二区三区 | 老女老肥熟女一区二区| 亚洲精品无码成人a片| 加勒比在线一区二区三区| 一区视频免费观看播放| 影音先锋中文字幕无码资源站 | 免费观看又色又爽又黄的| 欧美日韩免费一区中文字幕| 成人大片在线观看视频| 一区二区三区视频|