Skip to main content
QUICK REVIEW

[论文解读] Extension of the Olkin and Rubin Characterization to the Wishart distribution on homogeneous cones

Imen Boutouria, A. Hassairi|arXiv (Cornell University)|Feb 7, 2010
Mathematical Analysis and Transform Methods参考文献 11被引用 7
一句话总结

本文通过使用Vinberg代数和拉普拉斯变换,将Olkin与Rubin对Wishart分布的刻画推广到齐次锥的设定。研究证明,齐次锥上的随机矩阵服从Wishart分布当且仅当其归一化和与比值相互独立且在相关代数的正交群下不变,从而将经典结果推广至非对称锥。

ABSTRACT

The Wishart distribution on an homogeneous cone is a generalization of the Riesz distribution on a symmetric cone which corresponds to a given graph. The paper extends to this distribution, the famous Olkin and Rubin characterization of the ordinary Wishart distribution on symmetric matrices.

研究动机与目标

  • 将Olkin与Rubin对Wishart分布的刻画从对称锥推广至齐次锥。
  • 在不假设密度存在的前提下,建立齐次锥上Wishart分布的刻画。
  • 利用正交群下的不变性与拉普拉斯变换技术,推导基于分解的刻画。
  • 通过Vinberg代数结构统一并扩展先前在对称锥与Riesz分布上的刻画。
  • 提供一个适用于通过偏序集构造锥而具有条件独立结构的多元分布的框架。

提出的方法

  • 利用Vinberg代数框架定义齐次锥及其相关代数结构,包括Vinberg乘法与行列式。
  • 利用齐次锥上Wishart分布的拉普拉斯变换,借助锥及其对偶锥的结构。
  • 对锥上一个随机变量实施分解,其分量与由偏序集索引的子代数相关。
  • 对每个子代数的正交群施加分量分布的不变性,模仿经典Olkin-Rubin设定。
  • 推导分量拉普拉斯变换的函数方程,并通过对数与行列式参数化方法求解。
  • 利用偏序集结构及其相关代数,定义联合拉普拉斯变换,并通过涉及 $ \beta_i, \theta_i, D $ 和 $ \rho $-依赖项的参数形式识别Wishart分布。

实验结果

研究问题

  • RQ1能否将Olkin与Rubin对Wishart分布的刻画推广至对称锥以外的齐次锥设定?
  • RQ2在归一化形式的独立性与不变性方面,需满足何种条件,才能确保齐次锥上的分布为Wishart分布?
  • RQ3在不假设密度存在的前提下,如何利用拉普拉斯变换刻画齐次锥上的Wishart分布?
  • RQ4偏序集结构及其相关Vinberg代数在定义分解与不变性性质方面起到何种作用?
  • RQ5分量拉普拉斯变换的参数形式在多大程度上决定了锥上完整的Wishart分布?

主要发现

  • 本文建立了齐次锥上分布为Wishart分布的充要条件:归一化形式 $ (X+Y)^{-1/2}X(X+Y)^{-1/2} $ 与 $ X+Y $ 相互独立,且分布关于相关Vinberg代数的正交群不变。
  • 齐次锥上Wishart分布的拉普拉斯变换由涉及 $ (B+D)^{\rho}_{[i].} $ 的乘积项刻画,其中 $ D $ 为对偶锥中的正定元素,$ \rho $ 为参数向量。
  • 由分解导出的函数方程的解给出参数形式 $ \beta_i \theta_i $ 与 $ \beta_i(1-\theta_i) $,对应于Wishart分布的形状参数。
  • 由底层随机变量 $ t_{ij} $ 的不相交支集所保证,索引于偏序集的分量 $ X_i $ 与 $ Y_i $ 相互独立,从而实现联合拉普拉斯变换的可分解性。
  • 拉普拉斯变换的最终形式确认了 $ X \thicksim HW_{\rho,\tau} $ 与 $ Y \thicksim HW_{\rho',\tau'} $,其中 $ \tau = D^{\rho} $,$ \tau' = D^{\rho'} $,且 $ D = e $,表明分布完全由参数决定。
  • 该刻画无需假设Lebesgue密度的存在,从而将适用范围扩展至先前需依赖可微性或密度假设的研究结果。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。