David Gamarnik, and John Tsitsiklis. 6.436J Fundamentals of Probability. Fall 2008. Massachusetts Institute of Technology: MIT OpenCourseWare, https://ocw.mit.edu. License: Creative Commons BY-NC-SA.
Lecture 14. MOMENT GENRATING FUNCTIONS
モーメント母関数.Laplace変換とか出てきたから飛ばす.そのうちやりたい(願望)
Lecture 15. MULTIVARIATE NORMAL DISTRIBUTIONS
1. Background On Positive Definate Matrices
Definition 15-1
Aはn×nの正方行列とする.
(a) Aがpositive definate(正定値) である⇔∀x∈Rn xTAx>0
このときA>0と書く.
(b) Aがnonnegative definate(半正定値) である⇔∀∈Rn xTAx≥0
このときA≥0と書く.
以下の事実は有名である.
(a) symmetric matrixはn個の実eigenvalueを持つ.
(b) positive definate ならeigenvalueはn個存在し全て正.
(c) nonnegative definateならeigenvalueはn個存在し全て非負
(d) symmetri matrixの全てのeigenvalueにはそれぞれ実eigenvectorがあって,異なったeigenvalueに対応するeigenvectorは直行し,複数eigenvalueが重複しているときその重複度の分直行するeigenvectorがある.
(e) 以上から,symmetric definateなら基底変換によって対角化出来る.
上の事実から, spectral decomposition(スペクトル分解) が得られる.すなわち
任意の対称行列Aは,λ1,...,λnをAのeigenvalue, z1,...,znをそれぞれのeigenvalueに対応するeigenvectorとすると,
A=n∑i=1λiziziT
と書ける.また,nonnegative definite matrixであるならλi≥0だから平方根が実数で,
B=n∑i=1√λiziziT
が定義できる.このとき(a) Bはsymmetric
(b) B2=Aである.BをAのsymmetric square rootという.
(c) Bのeigenvalueたちは{√λi}である.よって,Bがpositive(nonnegative) definite ⇔ Aがpositive(nonnegative) definite.特にAがpositive definiteならばλi>0で,
C=n∑i=11λiziziT
が定義できて, CA=AC=Iゆえ, C=A−1である.
2. DEFINITION OF THE MULTIVARIATE NORMAL DISTRIBUTION
全ての要素がrandom variableであるベクトルをrandom vectorと呼び.全ての要素がrandom variableである行列をrandom matrixと呼ぶ.
multivariate normal distributionの表現方法3つを取り上げ,それらの同値性を確かめる.最初に,最もわかりやすいがいろいろな操作が面倒な表現を与える.
Definition 15-2
random vector Xがnondegenerate (multivariate) normal distributionをもつ
⇔ joint PDF が,あるベクトルμとpositive definite Vで
fX(x)=1√(2π)n|detV|exp[−(x−μ)V−1(x−μ)T2]
と書ける.
さらに,操作が簡単な生成的な定義を与える.
Definition 15-3
random vector Xが (multivariate) normal distributionをもつ
⇔ あるmatrix Dとベクトルμ, そして要素がN(0,1)に独立に従うランダムなベクトルWによって,
X=DW+μ
と書ける.
最後に与える定義は最も難しいが,最も美しいと言う人もいる.
Definition 15-4
random vectro Xが(multivariate) normal distributionをもつ
⇔ 任意のベクトルaにrandom variable aTXがnormal.
Definition 15-2でnondegenerateという語を使ったが,これはfX(x)>という意味である.X=(X1,X2),X1∼N(0,1),X2=0はNormalだが,これはDef. 15-2の方法では表現できないので,nondegenerateという制限を加えている.
3. MEANS AND COVARIANCES OF VECTOR RANDOM VARIABLES
Definition 15-5
random vector X=(X1,...,XN)のexpectationを
E[X]=(E[X1],...,E[Xn])
とする.同様にrandom matrix A=Aijについてもexpectationを
(E[A])ij=E[Aij]
とする.random vector X=(X1,...,Xn),Y=(Y1,...,Ym)があるとき,covariance matrix(分散行列, 分散共分散行列)を,
Cov(X,Y)=E[(X−E[X])(Y−E[Y])T]
と定める.Cov(X,Y)のij成分はCov(Xi,Yj)である.
4. KEY PROPERTIES OF THE MULTIVARIATE NORMAL
Theorem 15-1 (証明略)
X=(X1,...,Xn)がmultivariate normalであるとする.μiは第i要素の平均と考えることが出来る.このとき
(a) Xiはnormalで,平均はμi
(b) Cov(X,X)=DDT
(c) Cがm×n行列で,d∈Rmとする.Y=CX+dはdef. 3の意味でmultivariate normalであって,平均はCμ+d, covariance matrixはCDDTCTである.
(d) |D|≠0ならXはnondegenerate multivariate normalであって,V=DDT=cov(X,X)である.
(e) Xのjoint PDF FXはXの平均とcovarianceだけで決まる
(f) Xのそれぞれの要素がuncorrelatedすなわちcov(X,X)が対角行列⇔それぞれが独立
(g) [XY]∼N([μXμY],[VXXVXYVYXVYY])
かつ VYY>0ならば(i) E[X|Y]=μX+VXYV−1YY(Y−μY)
(ii) ˜X=X−E[X|]とすると,˜XはYと独立で,またE[X|Y]と独立.
(iii) cov(˜X,˜X|Y)=cov(˜X,˜X)=VXX−VXYV−1YYVYX
0 件のコメント:
コメントを投稿