Preguntas etiquetadas con determinant

3
¿Por qué la matriz de correlación necesita ser positiva semi-definida y qué significa ser o no positiva semi-definida?
He estado investigando el significado de la propiedad positiva semi-definida de las matrices de correlación o covarianza. Estoy buscando cualquier información sobre Definición de semi-definición positiva; Sus propiedades importantes, implicaciones prácticas; La consecuencia de tener determinante negativo, el impacto en el análisis multivariante o resultados de la simulación etc.

2
Determinante de la matriz de información de Fisher para un modelo sobreparamizado
Considere una variable aleatoria de Bernoulli con parámetro (probabilidad de éxito). La función de probabilidad y la información de Fisher (una matriz ) son:θ 1 × 1X∈{0,1}X∈{0,1}X\in\{0,1\}θθ\theta1×11×11 \times 1 L1(θ;X)I1(θ)=p(X|θ)=θX(1−θ)1−X=detI1(θ)=1θ(1−θ)L1(θ;X)=p(X|θ)=θX(1−θ)1−XI1(θ)=detI1(θ)=1θ(1−θ) \begin{align} \mathcal{L}_1(\theta;X) &= p(\left.X\right|\theta) = \theta^{X}(1-\theta)^{1-X} \\ \mathcal{I}_1(\theta) &= \det \mathcal{I}_1(\theta) = \frac{1}{\theta(1-\theta)} \end{align} Ahora considere una versión "sobre-parametrizada" con …

1
¿Cómo generar matrices ortogonales uniformemente aleatorias de determinante positivo?
Probablemente tengo una pregunta tonta sobre la cual, debo confesar, estoy confundido. Imagine la generación repetida de una matriz ortogonal aleatoria (ortonormal) distribuida uniformemente de algún tamaño . Algunas veces la matriz generada tiene determinante y otras veces tiene determinante . (Solo hay dos valores posibles. Desde el punto de …

1
¿Los determinantes de las matrices de covarianza y correlación y / o sus inversiones tienen interpretaciones útiles?
Mientras aprendía a calcular las matrices de covarianza y correlación y sus inversas en VB y T-SQL hace unos años, aprendí que las diversas entradas tienen propiedades interesantes que pueden hacerlas útiles en los escenarios correctos de minería de datos. Un ejemplo obvio es la presencia de variaciones en las …

1
Por qué las personas a menudo optimizan el determinante de
Digamos que tengo un vector aleatorio Y∼N(Xβ,Σ)Y∼N(Xβ,Σ)Y\sim N(X\beta,\Sigma) y Σ≠σ2IΣ≠σ2I\Sigma\neq\sigma^2 I. Es decir, los elementos deYYY (dado XβXβX\beta) están correlacionados. El estimador natural de ββ\beta es (X′Σ−1X)−1X′Σ−1Y(X′Σ−1X)−1X′Σ−1Y(X'\Sigma^{-1}X)^{-1}X'\Sigma^{-1}Yy var(β^)=(X′Σ−1X)−1var(β^)=(X′Σ−1X)−1\text{var}(\hat{\beta})=(X'\Sigma^{-1}X)^{-1} En un contexto de diseño, el experimentador puede jugar con el diseño, lo que dará como resultado diferentes XXX y ΣΣ\Sigma por …
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.