Generalización de la distribución gamma a múltiples dimensiones.
En estadística , la distribución Wishart es una generalización de la distribución gamma a múltiples dimensiones. Lleva el nombre de John Wishart , quien formuló por primera vez la distribución en 1928. [1] Otros nombres incluyen conjunto Wishart (en teoría de matrices aleatorias , las distribuciones de probabilidad sobre matrices generalmente se denominan "conjuntos"), o conjunto Wishart-Laguerre (ya que su distribución de valores propios involucra polinomios de Laguerre ), o LOE, LUE, LSE (en analogía con GOE, GUE, GSE ). [2]
conocida como matriz de dispersión . Se indica que S tiene esa distribución de probabilidad escribiendo
El entero positivo n es el número de grados de libertad . A veces esto se escribe W ( V , p , n ) . Para n ≥ p la matriz S es invertible con probabilidad 1 si V es invertible.
La distribución Wishart surge como la distribución de la matriz de covarianza muestral para una muestra procedente de una distribución normal multivariada . Ocurre con frecuencia en pruebas de razón de verosimilitud en análisis estadístico multivariado. También surge en la teoría espectral de matrices aleatorias [ cita necesaria ] y en el análisis bayesiano multidimensional. [5] También se encuentra en comunicaciones inalámbricas, mientras se analiza el rendimiento de los canales inalámbricos MIMO con desvanecimiento de Rayleigh . [6]
Función de densidad de probabilidad
Densidad espectral del conjunto Wishart-Laguerre con dimensiones (8, 15). Una reconstrucción de la Figura 1 de [7] .
Sea X una matriz simétrica p × p de variables aleatorias que es semidefinida positiva . Sea V una matriz definida positiva simétrica (fija) de tamaño p × p .
La densidad anterior no es la densidad conjunta de todos los elementos de la matriz aleatoria X (tal densidad dimensional no existe debido a las restricciones de simetría ), sino más bien la densidad conjunta de elementos para (, [1] página 38). Además, la fórmula de densidad anterior se aplica solo a matrices definidas positivas; para otras matrices, la densidad es igual a cero.
Densidad espectral
La densidad de valores propios conjuntos para los valores propios de una matriz aleatoria es, [8] [9]
donde es una constante.
De hecho, la definición anterior se puede extender a cualquier real n > p − 1 . Si n ≤ p − 1 , entonces Wishart ya no tiene densidad; en cambio, representa una distribución singular que toma valores en un subespacio de dimensión inferior del espacio de matrices p × p . [10]
El Wishart prioritario menos informativo y adecuado se obtiene estableciendo n = p . [ cita necesaria ]
La media previa de W p ( V , n ) es n V , lo que sugiere que una elección razonable para V sería n −1 Σ 0 −1 , donde Σ 0 es una estimación previa para la matriz de covarianza.
Propiedades
Expectativa de registro
La siguiente fórmula desempeña un papel en las derivaciones variacionales de Bayes para redes Bayes
que involucran la distribución Wishart. De la ecuación (2.63), [13]
donde E[⋅] denota expectativa. (Aquí Θ es cualquier matriz con las mismas dimensiones que V , 1 indica la matriz identidad e i es una raíz cuadrada de −1 ). [9] Interpretar correctamente esta fórmula requiere un poco de cuidado, porque las potencias complejas no enteras tienen múltiples valores ; cuando n no es un número entero, la rama correcta debe determinarse mediante continuación analítica . [14]
Teorema
Si una matriz aleatoria p × p X tiene una distribución Wishart con m grados de libertad y una matriz de varianza V (escribir ) y C es una matriz q × p de rango q , entonces [15]
Corolario 1
Si z es un vector constante p × 1 distinto de cero, entonces: [15]
En este caso, es la distribución chi-cuadrado y (tenga en cuenta que es una constante; es positiva porque V es positiva definida).
Corolario 2
Considere el caso en el que z T = (0, ..., 0, 1, 0, ..., 0) (es decir, el j -ésimo elemento es uno y todos los demás cero). Entonces el corolario 1 anterior muestra que
da la distribución marginal de cada uno de los elementos en la diagonal de la matriz.
George Seber señala que la distribución de Wishart no se denomina “distribución chi-cuadrado multivariada” porque la distribución marginal de los elementos fuera de la diagonal no es chi-cuadrado. Seber prefiere reservar el término multivariado para el caso en que todos los marginales univariados pertenecen a la misma familia. [dieciséis]
La descomposición de Bartlett de una matriz X a partir de una distribución de Wishart p -variada con matriz de escala V yn grados de libertad es la factorización:
donde y n ij ~ N (0, 1) de forma independiente. [18] Esto proporciona un método útil para obtener muestras aleatorias de una distribución Wishart. [19]
Distribución marginal de elementos matriciales.
Sea V una matriz de varianza de 2 × 2 caracterizada por un coeficiente de correlación −1 < ρ < 1 y L su factor de Cholesky inferior:
Multiplicando la descomposición de Bartlett anterior, encontramos que una muestra aleatoria de la distribución Wishart 2 × 2 es
Los elementos diagonales, más evidentemente en el primer elemento, siguen la distribución χ 2 con n grados de libertad (escalada por σ 2 ) como se esperaba. El elemento fuera de la diagonal es menos familiar, pero puede identificarse como una mezcla de varianza media normal donde la densidad de mezcla es una distribución χ 2 . Por lo tanto, la densidad de probabilidad marginal correspondiente para el elemento fuera de la diagonal es la distribución de varianza gamma.
donde K ν ( z ) es la función de Bessel modificada de segundo tipo . [20] Se pueden encontrar resultados similares para dimensiones superiores, pero la interdependencia de las correlaciones fuera de la diagonal se vuelve cada vez más complicada. También es posible escribir la función generadora de momentos incluso en el caso no central (esencialmente la enésima potencia de Craig (1936) [21] ecuación 10), aunque la densidad de probabilidad se convierte en una suma infinita de funciones de Bessel.
El rango del parámetro de forma.
Se puede demostrar [22] que la distribución Wishart se puede definir si y sólo si el parámetro de forma n pertenece al conjunto
Este conjunto lleva el nombre de Gindikin, quien lo introdujo [23] en la década de 1970 en el contexto de distribuciones gamma en conos homogéneos. Sin embargo, para los nuevos parámetros en el espectro discreto del conjunto Gindikin, a saber,
la distribución Wishart correspondiente no tiene densidad de Lebesgue.
Relaciones con otras distribuciones
La distribución de Wishart está relacionada con la distribución de Wishart inversa , denotada por , de la siguiente manera: Si X ~ W p ( V , n ) y si hacemos el cambio de variables C = X −1 , entonces . Esta relación puede derivarse observando que el valor absoluto del determinante jacobiano de este cambio de variables es | C | p +1 , ver por ejemplo la ecuación (15.15) pulg. [24]
^ ab Wishart, J. (1928). "La distribución generalizada del momento del producto en muestras de una población multivariada normal". Biometrika . 20A (1–2): 32–52. doi :10.1093/biomet/20A.1-2.32. JFM 54.0565.02. JSTOR 2331939.
^ Liván, Giacomo; Novaes, Marcel; Vivo, Pierpaolo (2018), Livan, Giacomo; Novaes, Marcel; Vivo, Pierpaolo (eds.), "Classical Ensembles: Wishart-Laguerre", Introducción a las matrices aleatorias: teoría y práctica , SpringerBriefs in Mathematical Physics, Cham: Springer International Publishing, págs. 89–95, doi :10.1007/978-3 -319-70885-0_13, ISBN978-3-319-70885-0, recuperado el 17 de mayo de 2023
^ Koop, Gary; Korobilis, Dimitris (2010). "Métodos bayesianos de series temporales multivariadas para macroeconomía empírica". Fundamentos y Tendencias en Econometría . 3 (4): 267–358. doi : 10.1561/0800000013 .
^ Gupta, Alaska; Nagar, DK (2000). Distribuciones variables de matrices . Chapman y Hall/CRC. ISBN1584880465.
^ Gelman, Andrés (2003). Análisis de datos bayesianos (2ª ed.). Boca Ratón, Florida: Chapman & Hall. pag. 582.ISBN158488388X. Consultado el 3 de junio de 2015 .
^ Zanella, A.; Chiani, M.; Ganar, MZ (abril de 2009). "Sobre la distribución marginal de los valores propios de las matrices Wishart" (PDF) . Transacciones IEEE sobre Comunicaciones . 57 (4): 1050-1060. doi :10.1109/TCOMM.2009.04.070143. hdl : 1721.1/66900 . S2CID 12437386.
^ Liván, Giacomo; Vivo, Pierpaolo (2011). "Momentos de conjuntos de matrices aleatorias de Wishart-Laguerre y Jacobi: aplicación al problema del transporte cuántico en cavidades caóticas". Acta Física Polonica B. 42 (5): 1081. arXiv : 1103.2638 . doi :10.5506/APhysPolB.42.1081. ISSN 0587-4254. S2CID 119599157.
^ Muirhead, Robb J. (2005). Aspectos de la teoría estadística multivariada (2ª ed.). Wiley Interciencia. ISBN0471769851.
^ Uhlig, H. (1994). "Sobre las distribuciones Beta multivariadas de Singular Wishart y Singular". Los anales de la estadística . 22 : 395–405. doi : 10.1214/aos/1176325375 .
^ obispo abc, CM (2006). Reconocimiento de patrones y aprendizaje automático . Saltador.
^ Hoff, Peter D. (2009). Un primer curso de métodos estadísticos bayesianos . Nueva York: Springer. págs. 109-111. ISBN978-0-387-92299-7.
^ Nguyen, Duy. "UNA INTRODUCCIÓN EN PROFUNDIDAD A LA NOTA VARIACIONAL DE BAYES" . Consultado el 15 de agosto de 2023 .
^ Mayerhofer, Eberhard (27 de enero de 2019). "Reforma de la función característica de Wishart". arXiv : 1901.09347 [matemáticas.PR].
^ ab Rao, CR (1965). Inferencia estadística lineal y sus aplicaciones . Wiley. pag. 535.
^ Seber, George AF (2004). Observaciones multivariadas . Wiley . ISBN978-0471691211.
^ Chatfield, C.; Collins, AJ (1980). Introducción al análisis multivariado. Londres: Chapman y Hall. págs. 103-108. ISBN0-412-16030-7.
^ Pearson, Karl ; Jeffery, GB ; Elderton, Ethel M. (diciembre de 1929). "Sobre la distribución del coeficiente de momento del primer producto, en muestras extraídas de una población normal indefinidamente grande". Biometrika . 21 (1/4). Fideicomiso Biometrika: 164–201. doi :10.2307/2332556. JSTOR 2332556.
^ Craig, Cecil C. (1936). "Sobre la función de frecuencia de xy". Ana. Matemáticas. Estatista . 7 : 1–15. doi : 10.1214/aoms/1177732541 .
^ Peddada y Richards, Shyamal Das; Richards, Donald St. P. (1991). "Prueba de una conjetura de ML Eaton sobre la función característica de la distribución Wishart". Anales de probabilidad . 19 (2): 868–874. doi : 10.1214/aop/1176990455 .
^ Gindikin, SG (1975). "Funciones generalizadas invariantes en dominios homogéneos". Función. Anal. Aplica. 9 (1): 50–52. doi :10.1007/BF01078179. S2CID 123288172.
^ Dwyer, Paul S. (1967). "Algunas aplicaciones de derivadas matriciales en análisis multivariado". J.Amer. Estadístico. Asociación. 62 (318): 607–625. doi :10.1080/01621459.1967.10482934. JSTOR 2283988.
enlaces externos
Una biblioteca C++ para generador de matrices aleatorias