[论文解读] Erdelyi-Kober Fractional Integral Operators from a Statistical Perspective -II

A. M. Mathai, H. J. Haubold|arXiv (Cornell University)|Mar 16, 2013

Numerical methods in inverse problems参考文献 5被引用 3

一句话总结

本文将Erdélyi-Kober分数阶积分算子的统计解释扩展到矩阵变量子情况，推导出独立矩阵变量子随机变量乘积与比值的概率密度函数。引入了第一类和第二类矩阵变量子Kober算子，通过路径模型和矩阵变量子超几何级数对其进行推广，并建立了与多变量统计中Saigo算子及贝塔分布的联系。

ABSTRACT

In this article we examine the densities of a product and a ratio of two real positive definite matrix-variate random variables $X_1$ and $X_2$, which are statistically independently distributed, and we consider the density of the product $U_1=X_2^{1\over2}X_1X_2^{1\over2}$ as well as the density of the ratio $U_2=X_2^{1\over2}X_1^{-1}X_2^{1\over2}$. We define matrix-variate Kober fractional integral operators of the first and second kinds from a statistical perspective, making use of the derivation in the predecessor of this paper for the scalar variable case, by deriving the densities of products and ratios where one variable has a matrix-variate type-1 beta density and the other variable has an arbitrary density. Various types of generalizations are considered, by using pathway models, by appending matrix variate hypergeometric series etc. During this process matrix-variate Saigo operator and other operators are also defined and properties studied.

研究动机与目标

• 推导独立随机矩阵的矩阵变量子乘积与比值的概率密度函数。
• 从统计视角定义并研究第一类和第二类矩阵变量子Kober分数阶积分算子。
• 利用路径模型和矩阵变量子超几何级数推广这些算子。
• 建立所推导算子与已知多变量分布（如第一类贝塔分布和伽马分布）之间的联系。
• 将框架扩展至包含极限形式和矩阵参数化，如参数 $ q \to 1_{-} $ 的路径模型。

提出的方法

• 通过从 $ (X_1, X_2) $ 到 $ (U_1, X_2) $ 的雅可比变换，推导 $ U_1 = X_2^{1/2} X_1 X_2^{1/2} $ 的密度，其中 $ X_1 $ 服从矩阵变量子第一类贝塔分布，$ X_2 $ 具有任意密度。
• 通过相同变换推导 $ U_2 = X_2^{1/2} X_1^{-1} X_2^{1/2} $ 的密度，从而导出第一类Kober算子。
• 将第二类Kober算子定义为 $ K_X^{\zeta,\alpha}f(X) = \frac{|X|^\zeta}{\Gamma_p(\alpha)} \int_{T>X} |T-X|^{\alpha - \frac{p+1}{2}} |T|^{-\zeta - \alpha} f(T) dT $，其中 $ \Re(\alpha) > \frac{p-1}{2} $。
• 引入 $ X_1 $ 的密度的路径模型，将第一类贝塔分布替换为 $ f_1(X_1) \propto |X_1|^{\gamma - \frac{p+1}{2}} |I - a(1-q)X_1|^{\frac{\eta}{1-q}} $，使得当 $ q \to 1_{-} $ 时可连续过渡至指数型密度。
• 证明在路径模型下 $ U $ 的边缘密度导致涉及 $ |U|^{-\gamma - (\frac{\eta}{1-q} + \frac{p+1}{2})} \int_{U > a(1-q)V} |U - a(1-q)V|^{\frac{\eta}{1-q}} |V|^\gamma f(V) dV $ 的广义第一类Kober算子。
• 推导 $ q \to 1_{-} $ 时的极限形式，显示其收敛至包含指数 $ \exp(-a\eta \cdot \mathrm{tr}(V^{1/2} U^{-1} V^{1/2})) $ 的密度，从而与伽马分布和广义伽马分布建立联系。

实验结果

研究问题

• RQ1 如何以统计上有意义的方式将Kober分数阶积分算子从标量情形推广至矩阵变量子情形？
• RQ2 从独立随机矩阵比值分布的角度，第一类矩阵变量子Kober算子具有何种统计解释？
• RQ3 路径模型如何扩展矩阵变量子Kober算子？当路径参数 $ q \to 1_{-} $ 时，其极限行为如何？
• RQ4 矩阵变量子超几何级数和Saigo算子在此推广框架中扮演何种角色？
• RQ5 所推导的算子与已知多变量分布（如第一类贝塔分布和矩阵变量子伽马分布）之间存在何种关系？

主要发现

• 当 $ X_1 \sim \text{Beta}_p(\zeta + \frac{p+1}{2}, \alpha) $ 且 $ X_2 $ 具有任意密度时，$ U_1 = X_2^{1/2} X_1 X_2^{1/2} $ 的密度导出第二类Kober算子。
• 证明 $ U_2 = X_2^{1/2} X_1^{-1} X_2^{1/2} $ 的边缘密度与第一类Kober算子 $ I_X^{\zeta,\alpha}f(X) $ 成正比，其中 $ \Gamma_p(\zeta)/\Gamma_p(\zeta + \alpha) \cdot g_r(U) = I_X^{\zeta,\alpha}f(X) $。
• 通过将第一类贝塔密度替换为包含 $ |I - a(1-q)X_1|^{\frac{\eta}{1-q}} $ 的广义形式，推导出第一类Kober算子的路径扩展，从而获得更广泛的算子类。
• 当 $ q \to 1_{-} $ 时，路径模型收敛至包含指数 $ \exp(-a\eta \cdot \mathrm{tr}(V^{1/2} U^{-1} V^{1/2})) $ 的密度，使算子与广义伽马分布建立联系。
• 路径模型的极限形式给出 $ \lim_{q \to 1_{-}} g_p(U) = \frac{(a\eta)^{p\gamma}}{\Gamma_p(\gamma)} |U|^{-\gamma - \frac{p+1}{2}} \int_{V>O} |V|^\gamma \exp(-a\eta \cdot \mathrm{tr}(V^{1/2} U^{-1} V^{1/2})) f(V) dV $，确认其与伽马分布和逆伽马分布的联系。
• 该框架允许在路径模型中引入正定矩阵 $ A $，将标量参数 $ a $ 推广为 $ A > O $，所得密度表示为 $ g_A(U) \propto |U|^{-\gamma - (\frac{\eta}{1-q} + \frac{p+1}{2})} \int_{U > (1-q)V^{1/2} A V^{1/2}} |U - (1-q)V^{1/2} A V^{1/2}|^{\frac{\eta}{1-q}} |V|^\gamma f(V) dV $。