1 威沙特分布定义

1.1 中心威沙特分布

        假设X是一个n×p维的矩阵,其中每一行的p元向量均为满足p维正态分布的向量,即:

         记为n×p维矩阵,则称随机阵的分布就是威沙特分布,记作

 当p=1,即每个X维为1维的时候,威沙特分布就变成了一个自由度为n的卡方分布

 1.2 非中心威沙特分布

 

 2  威沙特分布与随机协方差矩阵

2.1 E(W)=nΣ

组成散度矩阵【离差阵】W的每个向量X都满足:

我们计算一下 散度矩阵S的数学期望

E(W)=E(\sum_{i=1}^n X_i^TX_i)=nE(X_i^TX_i)    【每个X独立同分布】

        =nE((X_i-\textbf{0})^T(X_i-\textbf{0}))      【这里的0是0向量的意思,也就是X的均值向量】

        =nCov(X_i)=n \sum

3 Wishart分布的重要作用

第三小节出自Wishart分布及Inverse Wishart分布_尬维的博客-CSDN博客,但是我不太明白是怎么推到的

第一个均值是可以推出来的:

对于\bar{x}-\mu=\frac{1}{n}\sum_{i=1}^n(x_i-\mu_i)

\mu(\bar{x}-\mu)=\mu(\frac{1}{n}\sum_{i=1}^n(x_i-\mu_i))=\frac{1}{n}\sum_{i=1}^n(\mu(x_i)-\mu(\mu_i))=0

\sigma(\bar{x}-\mu)=\sigma(\frac{1}{n}\sum_{i=1}^n(x_i-\mu_i))=\frac{1}{n^2}\sum_{i=1}^n(\sigma(x_i)-\sigma(\mu_i))=\frac{\sum}{n}

所以有:

但S那边,由于(X_i-\hat{X}) \sim N(0,\frac{\sum}{N}) 所以我能推出来 (n-1)S \sim W_p(n,\frac{\sum}{n}),但是它的式子怎么推出来的,还请评论区赐教~

更新:已解决,参考资料(精)应用多元统计分析 北大版 第二章.ppt (book118.com) [经济学]北大应用多元统计分析课件第三章_OK - 百度文库 (baidu.com)

4 威沙特分布的概率密度

实际上,这个概率密度函数的具体形式很少用到 

Logo

旨在为数千万中国开发者提供一个无缝且高效的云端环境,以支持学习、使用和贡献开源项目。

更多推荐