Участница:V/Вычисление статистик квадрата норм разностей спектральных проекторов случайных матриц: различия между версиями
V (обсуждение | вклад) |
V (обсуждение | вклад) |
||
Строка 16: | Строка 16: | ||
== Математическое описание алгоритма == | == Математическое описание алгоритма == | ||
+ | |||
+ | 1. Генерация матрицы ковариации. | ||
+ | Возьмем нужный нам набор собственных значений и поместим их на диагонали матрицы <math>\Lambda</math>. | ||
+ | Далее генерируем базис <math>p</math>-мерного пространства и поместим его в матрицу <math>U</math>. | ||
+ | Тогда <math>\Sigma = U\Lambda U^{T}</math>. |
Версия 23:59, 29 ноября 2016
Основные авторы описания: В.С.Шумовская
1 Свойства и структура алгоритма
1.1 Общее описание алгоритма
Пусть [math]X_{1},\dots, X_{n}[/math] -- независимые и нормально распределенные случайные вектора в [math]\R^p[/math] с нулевым средним и матрицей ковариацией [math]\Sigma[/math], она лежит в [math]\R^{pxp}[/math] и такая, что ее собственные значения быстро убывают, т.е. 3-5 больших, а остальные, к примеру, в диапазоне от 1 до 3.
К этой выборке применим бутстрэп и вычислим в мире бутстрэпа [math]M[/math] матриц ковариаций сигма [math]\Sigma^{o}_{j}, j = 1,...,M.[/math]
Далее фиксируем [math]r[/math], обозначим за [math]P_{r}, P^{o}_{j}, j = 1,...,M[/math] - проекторы на r-ое подпространство и вычислим следующие статистики:
[math]S^{o}_{j} = ||P_{r} - P^{o}_{r}||^{2}_{2}[/math]
Задача -- вычислить большое количество этих статистик для визуализации их распределения.
1.2 Математическое описание алгоритма
1. Генерация матрицы ковариации. Возьмем нужный нам набор собственных значений и поместим их на диагонали матрицы [math]\Lambda[/math]. Далее генерируем базис [math]p[/math]-мерного пространства и поместим его в матрицу [math]U[/math]. Тогда [math]\Sigma = U\Lambda U^{T}[/math].