প্রতিটি সমবায় ম্যাট্রিক্স কি ইতিবাচক সুনির্দিষ্ট?


48

আমি অনুমান করি উত্তরটি হ্যাঁ হওয়া উচিত, তবে আমি এখনও অনুভব করি যে কিছু ঠিক নেই। সাহিত্যে কিছু সাধারণ ফলাফল হওয়া উচিত, কেউ কি আমাকে সহায়তা করতে পারে?


2
প্রতিটি সমবায় ম্যাট্রিক্স ইতিবাচক আধা-নির্দিষ্ট। তার মানে প্রতিটি কোভারিয়েন্স ম্যাট্রিক্সের অবশ্যই অ-নেতিবাচক ইগেন মান থাকতে হবে। যদি ইগেন মানগুলির কোনওটি শূন্য না হয় তবে কোভারিয়েন্স ম্যাট্রিক্স অতিরিক্ত ধনাত্মক নির্দিষ্ট ite
কাকা


4
@ জিংজিংস: আমি আপনার প্রোফাইলে দেখতে পাচ্ছি যে আপনি কখনই কোনও উত্তর উত্তর বা গ্রহণ করেন নি ; এটি বেশ উল্লেখযোগ্য যে আপনি অনেক ভাল উত্তর সহ অনেক ভাল প্রশ্ন আছে। আমি অনুমান করি যে এটি কীভাবে কাজ করে সে সম্পর্কে আপনি সত্যই অবগত নন। ধারণাটি হ'ল যে আপনার যে কোনও উত্তর কার্যকর হবে এবং এটি যে কোনও উত্তর যা আপনি মনে করেন যে আপনার সমস্যার সমাধান করে তা গ্রহণ করা উচিত। দেখে মনে হচ্ছে আপনি প্রচুর উত্তরকে উচ্চারণ করতে পারেন এবং সেগুলির কয়েকটি গ্রহণও করতে পারেন।
অ্যামিবা বলেছেন মোনিকা

উত্তর:


47

না।

, ওয়াই এবং জেড = এক্স + ওয়াই তিনটি ভেরিয়েবল বিবেচনা করুন । তাদের সহভেদাংক ম্যাট্রিক্স, এম , একটি ভেক্টর যেহেতু ইতিবাচক নির্দিষ্ট নয় z- র ( = ( 1 , 1 , - 1 ) ' , যার জন্য) z- র ' এম z- র ইতিবাচক নয়।এক্সওয়াইজেড=এক্স+ +ওয়াইএমz- র=(1,1,-1)'z- র'এমz- র

জনসংখ্যার কোভারিয়েন্স ম্যাট্রিকগুলি ইতিবাচক আধা-নির্দিষ্ট are

(সম্পত্তি 2 এখানে দেখুন ।)

একইভাবে সম্পূর্ণ নমুনা (নিখোঁজ মূল্য) এর কোভেরিয়েন্স ম্যাট্রিক্সের ক্ষেত্রে প্রযোজ্য হওয়া উচিত, যেহেতু এগুলিকে পৃথক জনগোষ্ঠীর সম্প্রদায়ের রূপ হিসাবেও দেখা যেতে পারে।

তবে ভাসমান পয়েন্টের সংখ্যাগত গণনাগুলির অনর্থকতার কারণে, এমনকি বীজগণিতভাবে ইতিবাচক সুনির্দিষ্ট ক্ষেত্রেও মাঝে মধ্যে গণনা করা যেতে পারে এমনকি ইতিবাচক অর্ধ-নির্দিষ্ট নয়; অ্যালগরিদমের ভাল পছন্দ এটিতে সহায়তা করতে পারে।

আরও সাধারণভাবে, নমুনা কোভেরিয়েন্স ম্যাট্রিকগুলি - কিছু ভেরিয়েবলগুলিতে তারা কীভাবে অনুপস্থিত মানগুলি নিয়ে কাজ করে - তার উপর নির্ভর করে - এমনকি তত্ত্বেও এটি ইতিবাচক অর্ধ-নির্দিষ্ট হতে পারে বা নাও হতে পারে। উদাহরণস্বরূপ, যদি জোড়াযুক্ত মুছে ফেলা ব্যবহার করা হয় তবে ইতিবাচক আধা-নির্দিষ্টতার কোনও গ্যারান্টি নেই। তদতিরিক্ত, সঞ্চিত সংখ্যাসূচক ত্রুটি নমুনা কোভেরিয়েন্স ম্যাট্রিক্সের কারণ হতে পারে যা ব্যর্থ হওয়ার পক্ষে কল্পনাশালী ইতিবাচক অর্ধ-নির্দিষ্ট হওয়া উচিত।

তাই ভালো:

 x <- rnorm(30)
 y <- rnorm(30) - x/10 # it doesn't matter for this if x and y are correlated or not
 z <- x+y
 M <- cov(data.frame(x=x,y=y,z=z))
 z <- rbind(1,1,-1)
 t(z)%*%M%*%z
              [,1]
[1,] -1.110223e-16

এটি প্রথম উদাহরণে আমি চেষ্টা করেছিলাম (আমার সম্ভবত একটি বীজ সরবরাহ করা উচিত তবে এটি এত বিরল নয় যে আপনি একটি পাওয়ার আগে আপনাকে অনেকগুলি উদাহরণ চেষ্টা করতে হবে)।

বীজগণিতভাবে শূন্য হওয়া সত্ত্বেও ফলাফলটি নেতিবাচক প্রকাশ পেয়েছিল । বিভিন্ন সংখ্যার সেট একটি ধনাত্মক সংখ্যা বা একটি "সঠিক" শূন্য পেতে পারে।

-

মধ্যযুগীয় নিখোঁজ হওয়ার উদাহরণ জুটিযুক্ত মুছে ফেলার মাধ্যমে ইতিবাচক অর্ধসীমা নির্ধারণের ক্ষতির দিকে:

z <- x + y + rnorm(30)/50  # same x and y as before.
xyz1 <- data.frame(x=x,y=y,z=z) # high correlation but definitely of full rank 

xyz1$x[sample(1:30,5)] <- NA   # make 5 x's missing  

xyz1$y[sample(1:30,5)] <- NA   # make 5 y's missing  

xyz1$z[sample(1:30,5)] <- NA   # make 5 z's missing  

cov(xyz1,use="pairwise")     # the individual pairwise covars are fine ...

           x          y        z
x  1.2107760 -0.2552947 1.255868
y -0.2552947  1.2728156 1.037446
z  1.2558683  1.0374456 2.367978

 chol(cov(xyz1,use="pairwise"))  # ... but leave the matrix not positive semi-definite

Error in chol.default(cov(xyz1, use = "pairwise")) : 
  the leading minor of order 3 is not positive definite

 chol(cov(xyz1,use="complete")) # but deleting even more rows leaves it PSD

          x          y          z
x 0.8760209 -0.2253484 0.64303448
y 0.0000000  1.1088741 1.11270078
z 0.0000000  0.0000000 0.01345364

1
+1: তবে বেশিরভাগ ক্ষেত্রে আপনার মন্তব্য করার জন্য একটি মন্তব্য হিসাবে: আপনি এটি উপস্থাপন করার সাথে দেখে মনে হচ্ছে সাধারণ ক্ষেত্রে পিএসডি-নেস গ্যারান্টিযুক্ত নয়। Sjm.majewski এর উত্তরে প্রদর্শিত হিসাবে আপনার একটি "প্যাথলজিকাল" কেস (পূর্ণ-পদমর্যাদার) প্রয়োজন এবং আপনি এই সমস্যাটি শেষ করেন। (আমি সংখ্যার মন্তব্যের সাথে সম্পূর্ণরূপে একমত) আপনি সংখ্যাসূচক ত্রুটি হিসাবে অ্যাকাউন্ট তৈরি করেও আপনি কিছুটা নিখোঁজ মানের সমস্যার বর্ণনা দিতে পারেন যেখানে আপনি এমনকি পিএসডি গ্যারান্টি দিতে পারবেন না? (আমি ধরে নিচ্ছি যে আপনি যখন পরিমাপের
স্পারসিটি

2
অবশ্যই এটি তখনই ঘটে যখন এটি পুরো পদমর্যাদার না থাকে (বা এর খুব কাছে থাকে)। পিএসডি-এর সংজ্ঞাটি দেখুন (এবং @ sjm.majewski এর প্রকরণের সম্পর্কের উল্লেখ) এবং এটি অনেক পরিষ্কার। তবে এটিকে প্যাথলজিকাল হিসাবে সংজ্ঞায়িত করা বিজোড় বলে মনে হয়, যেহেতু এই পূর্ণ-পদমর্যাদার পরিস্থিতি অনুশীলনের সময় সর্বদা ঘটে। এটি সাধারণ পেডেন্ট্রি নয় - এটি প্রতিদিনের ডেটা সেটগুলিকে প্রভাবিত করে এবং ফলস্বরূপ এখানে নিয়মিত প্রশ্ন উত্পন্ন করে। আমি উপরে নিখোঁজ হওয়া এবং জোড় করে মুছে ফেলার বিষয়ে কথা বলব, কারণ এখানে এটির জন্য কোনও জায়গা নেই।
Glen_b

2
এন<পিএন<পি

27

Σআমি,=1এনYআমিYসিবনাম(এক্সআমি,এক্স)=ভীএকটিR(Σআমি=1এনYআমিএক্সআমি)0
Yআমিএক্সআমি

Y1=1,Y2=1,Y3=-1এক্স1=এক্স,এক্স2=ওয়াই,এক্স3=জেড=এক্স+ +ওয়াইΣআমি=13Yআমিএক্সআমি=00



এটি গ্রহণযোগ্য উত্তর হওয়া উচিত। প্রশ্নটি কেবল "কোভারিয়েন্স ম্যাট্রিক্স" সম্পর্কে জিজ্ঞাসা করে যা সাধারণত র্যান্ডম ভেরিয়েবলের জনসংখ্যার কোভারিয়েন্স ম্যাট্রিক্সকে বোঝায়, নমুনা নয়।
ব্যবহারকারীর 30303

আমি জিজ্ঞাসা করতে পারি যে আপনি আপনার উত্তরে যে সূত্রটি ব্যবহার করেছেন?
আক্কাক

যদি আপনি বৈকল্পিক এবং সমবায়িকাগুলি সহ সূত্রটি বোঝাতে চান তবে আপনি এটির যোগফলের বর্গের সূত্রটি থেকে বের করতে পারেন (যা যোগফলের বর্গাকার সমস্ত জোড়ের জন্য পণ্যের যোগফলের সমান)।
sjm.majewski
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.