Üç rastgele değişken vardır, . Üç değişken arasındaki üç korelasyon aynıdır. Yani,
için verebileceğiniz en sıkı sınır nedir ?
Üç rastgele değişken vardır, . Üç değişken arasındaki üç korelasyon aynıdır. Yani,
için verebileceğiniz en sıkı sınır nedir ?
Yanıtlar:
Ortak ilişki değerine sahip olabilir değil . Eğer , daha sonra can eşit olmayan ama aslında . Üç rastgele değişkenin ortak korelasyonunun en küçük değeri . Daha genel olarak, en az ortak ilişki rastgele değişken olduğu vektörleri olarak, bunlar (boyutta bir simplex köşelerinde olan olarak) boyutlu alan.
birim varyans toplamı rasgele değişkenleri toplamının varyansını göz önünde bulundurun . Biz bunu burada olan ortalama değeri arasında korelasyon katsayıları. Ancak bu yana , kolaylıkla elde bu X i var ( n ∑ i = 1 X i ) ˉ ρ
Dolayısıyla, bir korelasyon katsayısının ortalama değeri en azından . Eğer tüm korelasyon katsayıları var aynı değere , daha sonra ortalama da eşittir ve biz buna sahip böylece ortak korelasyon değerinin eşittir rastgele değişkenlere sahip olmak mümkün müdür ? Evet. Varsayalım ki olan ilintisiz birim varyans rastgele değişkenler ve set . O zaman, iken
Mümkün olan en sıkı sınır . Tüm bu değerler aslında görünebilir - hiçbiri imkansız değildir.
Sonuçta özellikle derin veya gizemli bir şey olmadığını göstermek için, bu cevap ilk önce tamamen temel bir çözüm sunar, yalnızca varyansların - karelerin beklenen değerleri olduğu - negatif olmamasının gerektiği açık bir gerçeği gerektirir. Bunu (biraz daha sofistike cebirsel gerçekleri kullanan) genel bir çözüm izler.
Herhangi bir doğrusal kombinasyonunun varyansı negatif olmamalıdır. Bu değişkenlerin varyanslarının sırasıyla ve olmasına izin verin . Hepsi sıfır değildir (aksi halde korelasyonların bazıları tanımlanmayacaktır). Temel varyans özelliklerini kullanarak hesaplayabiliriz
Tüm gerçek sayılar için .
olduğu varsayılırsa , küçük bir cebirsel manipülasyon buna eşdeğerdir.
Sağ taraftaki kare terimi, iki güç aracının oranıdır . Temel güç ortalama eşitsizlik (ağırlıkları ile ) bu oran geçemez iddia (ve eşit olacaktır olduğunda ). Biraz daha fazla cebir daha sonra
Aşağıdaki açık örneği (trivariate Normal değişkenleri ), tüm bu değerlerin değerlerinin aslında korelasyon olarak ortaya çıktığını gösterir. Bu örnek, yalnızca çok değişkenli Normlar tanımını kullanır, ancak aksi takdirde Calculus veya Linear Cebir sonuçlarına neden olmaz.
Herhangi bir korelasyon matrisi, standartlaştırılmış rastgele değişkenlerin kovaryans matrisidir, bu nedenle - tüm korelasyon matrislerinde olduğu gibi - yarı kesin pozitif olmalıdır. Eşdeğer olarak, özdeğerleri negatif değildir. Bu yüklemektedir basit koşul : herhangi az olmamalıdır (geçemez ve tabii ). Tersine, bu tür aslında bu sınırları dar mümkündür kanıtlayan bazı trivariate dağılımı arasındaki ilişki matrisine karşılık gelir.
Göz önünde ile her diyagonal değerlerle korelasyon matrisine eşit(Soru olayıyla ilgilidir ancak bu genellemenin analiz edilmesi artık zor değil.) Hadi buna diyelim Tanım olarak, sıfır olmayan bir vektör olması koşuluyla bir özdeğerdir .
Bu özdeğerleri bu durumda bulmak kolaydır, çünkü
İzin vermek , işlem bu
İzin vermek , bir ile sadece için (yer ), işlem bu
Çünkü özvektörler bugüne kadar bulunmuş tam yayılan boyutlu uzay (kanıt: onların belirleyici mutlak değeri eşittir kolay bir satır azaltma gösterileri , sıfırdan farklı olan), bunlar bir dayanak teşkil bütün özvektörler. Bu nedenle, tüm özdeğerleri bulduk ve bunların veya (çokluğu olan ikincisi) olduklarını belirledik . Tüm korelasyonların sağladığı bilinen eşitsizliğe ek olarak, ilk özdeğerin olumsuz olmayışı ayrıca ima eder
ikinci özdeğerin olumsuz olmayışı yeni şartlar getirmez.
Sonuçları her iki yönde çalışır: Resim matris , pozitif-kesin ve dolayısıyla geçerli bir korelasyon matrisidir. Örneğin, çok normalli bir dağılım için korelasyon matrisidir. Özellikle yaz
, tersi için. Örneğin, olduğunda
Rastgele değişkenlerin vektörünün dağıtım işlevine sahip olmasına izin verin
burada . Örneğin, olduğunda bu eşittir
Bu rastgele değişken için korelasyon matrisi
Yoğunluk fonksiyonlarının konturları Soldan sağa, . Yoğunluğun, düzleminin yakınında yoğunlaşmasından nasıl çizgisinin yakınında yoğunlaşacağına dikkat edin .
ve özel durumları dejenere dağılımlarla da gerçekleştirilebilir ; Önceki durumda, dağılımın aynı şekilde dağıtılmış ortalamanın toplamı olduğu, hiper desteklenebileceğini belirtmek dışında ayrıntılara girmeyeceğim Normal dağılım, ikinci durumda (mükemmel pozitif korelasyon), tarafından üretilen satırda desteklenir , burada ortalama Normal dağılım vardır.
Bu analizin bir gözden bu ilişki matrisi olduğunu açıkça ortaya koymaktadır bir sırası vardır ve bir sıra vardır ve (sadece bir özvektör sahip olduğu için, sıfır olmayan özdeğer). İçin , bu her iki durumda da ilişki matrisi dejenere yapar. Aksi takdirde, ters nin varlığı dejenere olmadığını kanıtlar.
Korelasyon matrisin
Önde gelen ana küçüklerin tümü negatif değilse, matris pozitif yarı yarıyıldır. Asıl küçükler, matrisin "kuzey-batı" bloklarının belirleyicileridir;
ve korelasyon matrisinin kendisinin belirleyicisidir.
1 açıkça olumlu, ikinci ana küçük olan , herhangi bir kabul edilebilir korelasyon için negatif olmayan bir, . Tüm korelasyon matrisinin determinantı
Grafik, kabul edilebilir korelasyon aralığının üzerindeki fonksiyonun determinantını göstermektedir .
Fonksiyonun @stochazesthai tarafından verilen aralıkta olumsuz olmadığını görüyorsunuz (aynı zamanda determinant denkleminin köklerini bularak da kontrol edebilirsiniz).
Rastgele değişken vardır biri , ve ikili korelasyonları ile eğer korelasyon matrisi pozitif yarı kesin ise. Bu sadece için olur .