tło
Macierz kowariancji dla wektora zmiennych losowych zawiera procedurę obliczania wariancji dowolnej liniowej kombinacji tych zmiennych losowych. Zasadą jest, że dla dowolnego wektora współczynników ,AX=(X1,X2,…,Xn)′λ=(λ1,…,λn)
Var(λX)=λAλ′.(1)
Innymi słowy, reguły mnożenia macierzy opisują reguły wariancji.
Dwie właściwości są natychmiastowe i oczywiste:A
Ponieważ wariancje są oczekiwanymi wartościami do kwadratu, nigdy nie mogą być ujemne. Zatem dla wszystkich wektorów ,Macierze kowariancji muszą być nieokreślone z góry.λ
0≤Var(λX)=λAλ′.
Odchylenia są tylko liczbami - lub, jeśli czytasz formuły macierzowe dosłownie, są to macierze. Dlatego nie zmieniają się, gdy je transponujesz. Transpozycja daje Ponieważ dotyczy to wszystkich , musi być równa transpozycji : macierze kowariancji muszą być symetryczne.1×1(1)
λAλ′=Var(λX)=Var(λX)′=(λAλ′)′=λA′λ′.
λAA′
Głębszy wynik jest taki, że jakakolwiek nie-ujemna macierz symetryczna jest macierzą kowariancji. A Oznacza to, że faktycznie istnieje pewna zmienna losowa o wartości wektorowej z jako jej kowariancją. Możemy zademonstrować to wyraźnie konstruowania . Jednym ze sposobów jest zauważenie, że funkcja gęstości (wielowymiarowa) z właściwością ma ze względu na kowariancję. (Potrzebna jest delikatność, gdy nie jest odwracalny - ale to tylko szczegół techniczny.)XAXf(x1,…,xn)
log(f)∝−12(x1,…,xn)A−1(x1,…,xn)′
AA
Rozwiązania
Niech i będą macierzami kowariancyjnymi. Oczywiście są kwadratowe; a jeśli ich suma ma sens, muszą mieć te same wymiary. Musimy tylko sprawdzić dwie właściwości.XY
Suma.
Zostawiam to jako ćwiczenie.
Ten jest trudny. Jedną z metod, które wykorzystuję do przemyślenia trudnych problemów z macierzą, jest wykonanie pewnych obliczeń za pomocą macierzy . Istnieje kilka popularnych, znanych macierzy kowariancji o tym rozmiarze, takich jak z i . Problem polega na tym, że może nie być jednoznaczny: to znaczy, czy może dawać wartość ujemną przy obliczaniu wariancji? Jeśli tak, to lepiej, żebyśmy mieli pewne ujemne współczynniki w macierzy. Sugeruje to rozważenie dla . Aby uzyskać coś interesującego, możemy początkowo przyciągać do matryc2×2
(abba)
a2≥b2a≥0XYX=(a−1−1a)
a≥1Y o różnych strukturach. Przychodzą mi na myśl macierze diagonalne, takie jak z . (Zauważ, jak możemy swobodnie wybierać niektóre współczynniki, takie jak i , ponieważ możemy przeskalować wszystkie wpisy w dowolnej macierzy kowariancji bez zmiany jej podstawowych właściwości. Upraszcza to wyszukiwanie interesujących przykładów.)Y=(b001)
b≥0−11
Pozostawiam Ci obliczenie i sprawdzenie, czy zawsze jest to macierz kowariancji dla dowolnych dopuszczalnych wartości i .XYab