椭球等高分布族下随机矩阵商的特征根分布

在椭球等高分布族情形下,讨论广义非中心Wishart短阵商的特征根精确分布问题,并给出了一般情形下广义非中心F统计量的特征根精确分布。     

广义非中心拟F-分布

随机向量的分布族研究是多元统计中很重要的一类问题,对多元统计分析中三类重要的分布:F-分布、Beta分布、Dirichlet分布进行推广,给出了矩阵形式的广义非中心拟F-分布、广义非中心拟Beta分布和广义非中心拟Dirichlet分布的定义与密度函数,同时还讨论了广义非中心拟Beta分布的特征函数.     

广义Fibonacci矩阵和广义Fibonacci数的矩阵表示

二阶矩阵 M=和它的整数幂 Mn满足广义 Fibonacci型递推关系。对整数 n, Mn=,其中 Un=Wn(0,1;p,q)为广义 Fibonacci数。通过对基本矩阵等式的精巧处理 ,重新得到和扩展了包含广义 Fibonacci数 Un的著名关系式。用 Mn也给出了 Un的矩阵表示。另外,通过矩阵 X=(其中,Δ =p2－ 4q)的类似研究,得到广义 Lucas数 Vn=Wn(2,p;p,q)的相应结果以及 Un和 Vn之间的一些关系式。     

一种特殊的Wishart分布的密度函数

本文用积分变量替换的方法导出了一种特殊情形下的非中心Wishart分布密度函数的表达形式。     

增长曲线模型的局部多项式估计的性质

Wishart于1938年首次引入增长曲线模型,这是一种应用广泛的广义多元方差分析模型.文章首先介绍了增长曲线模型,非参数增长曲线模型及其局部多项式估计,接着讨论了非参数增长曲线模型的局部多项式估计的一些基本性质.     

Wishart矩阵在两种变换下的分布密度及有关性质

在多元统计中Wishart分布占有重要地位，多元正态总体样本协方差阵服从Wishart分布，且若S～Wp(n，1/n∑)，则S^2是总体协方差阵∑^2的渐近无偏估计．设A～Wp(n，∑)，A为Wishart矩阵，本文作者在[5]中推导出了A^2的密度，进一步推导出(A^2)^-1的密度并应用于正态分布总体样本协方差阵S，从而得到一些性质．     

非中心奇异Wishart分布的特征函数

利用奇异值分解,以及非中心卡方分布的特征函数给出了非中心奇异Wishart分布的特征函数.将Wishart分布的一个重要性质推广到了奇异非中心的情况下,并用特征函数加以证明.     

广义Wishart矩阵的若干性质

本文讨论了多维椭球等高分布与广义Wishart分布之间的关系,并求出了W_(1·2)等子矩阵的分布。     

Wm(○)Wn和Wm○Wn的边色数

对m,n≥3,V(Wm(○)Wn)={ui|i=0,1,…,m}∪{vij|i=1,2,…,m;j=1,2,…,n};E(WmWn)={u0ui|i=1,2,…,m}∪{u1u2,…,um-1um,umu1}∪{uivij|i=1,2,…,m;j=1,2,…,n}∪mi=1{vi1vi2,vi2vi3,…,vi(n-1)vin,vinvi1}.V(Wm○Wn)={ui|i=0,1,…,m}∪{ Vij|i=1,2,…,m;j=1,2,…,n}∪{vi0|i=1,2,…,m};E(Wm○Wn)={u0ui|i=1,2,…,m}∪{u1u2,…,um-1um,umu1}∪{vi0vij|i=1,2,…,m;j=1,2,…,n}∪mi=1{vi1vi2,vi2vi3,…,vi(n-1)vin,vinvi1}.且对Wm○Wn有Ui=Vin,i=1,2,…,m.得到了Wm(○)Wn和Wm○Wn的边色数.     

Mixed delay-independent／delay-dependent stability of uncertain linear time-delayed systems

Consideruncertainlineartimedelaysystemsdescribedbythefollowingstateequation : x(t) =[A0 +ΔA0 (t) ]x(t) +∑ri=1[Ai+ΔAi(t) ]x(t-τi) . (1)x(t) =(t) t∈[- τ,0 ]; τ=maxri =1 {τi} (2 )whereΔA0 (·)andΔAi(·) (i=1,…,r) arerealmatrixfunctions .ΔAi(t) =LiFi(t)Ei,ΔA0 (t) =L0 F0 (t)E0 ,whereLi,EiareknownrealconstantmatricesandFi(t)areunknownrealtime -varyingmatriceswithLebesguemeasurableelementssatisfying‖Fi(t)‖ I , t(i=0 ,1,…,r) .Inthisnote ,wedevelopthemethodsofrobuststabilityw…     

椭球等高分布族中下三角分解的一些结果

该文证明了正定阵下三角分解存在且唯一的结论,运用外微分的方法给出该分解的Jacobian,再分别得到Wishart分布、矩阵Beta分布、逆矩阵Beta分布和矩阵F分布的下三角分解的相应结果.     

一类新的多元t-型分布

为了在椭球等高分布的基础上建立样本的理论,需将随机向量的分布推广到随机矩阵的形式.运用3种不同的方法(密度生成函数方法,逆维希特分布方法,2个独立的随机矩阵构造新的随机矩阵的方法)分别提出了矩阵Kotz-型分布,矩阵逆Γ分布和矩阵t-型分布,证明了它们是一个矩阵分布密度,并着重研究了矩阵t-型分布的有关分布性质,包括其随机表示、期望、线性组合分布及二次型等.     

多重线性回归模型系统的贝叶斯预报分析

指出多重线性模型系统的贝叶斯预报分析是贝叶斯线性模型理论的重要组成部分．通过模型系统的统计结构,证明了矩阵正态-Wishart分布为模型参数的共轭先验分布;利用贝叶斯定理,根据模型的样本似然函数和参数的先验分布推导了参数的后验分布;然后,从数学上严格推断了模型的预报分布密度函数,证明了模型预报分布为矩阵t分布．研究结果表明：由于参数先验分布的作用,样本的预报分布与其原统计分布有着本质性的差异,前者为从矩阵正态分布,而后者为矩阵t分布．     

四元数矩阵微分及其在精确分布上的应用

讨论了四元数矩阵的外微分形式,得出四元数矩阵变换下Ｊａｃｏｂｉ行列式的一些结果,利用这些结果,简化了四元数Ｗｉｓｈａｒｔ分布的推导,并且在求得四元数Ｓｔｉｅｆｅｌ流形体积的基础上,进一步导出其特征根分布     

四元数矩阵的奇异Beta分布和F分布

应用四元数矩阵的奇异Wishart分布的密度函数表达式和奇异四元数矩阵奇异值分解的工具,求得了奇异四元数矩阵变换X=BYB~T的Jacobi行列式.利用奇异四元数矩阵的广义逆定义了四元数矩阵的奇异Beta分布和F分布,结合奇异四元数矩阵数乘变换的Jacobi行列式,给出了四元数矩阵的奇异Beta分布和F分布的密度函数表达式.最后,给出了满足两种分布的奇异四元数矩阵的非零特征值的联合密度函数.     

基于内核的低秩逼近算法的改进

为进一步提高低秩逼近技术的逼近精度,提出了一种改进的基于内核的低秩逼近算法（IK-BLA）.算法利用在数值上呈现递减规律的、与矩阵列相关的非均匀概率分布函数对大规模n×n矩阵W进行抽样,接着用抽样得到的小规模c×c矩阵W逼近矩阵W.在UCI数据库中部分数据集上的实验验证了IKBLA的有效性.     

(AX,XC)=(B,D)的广义双对称解与广义双反对称解

设A,B是n×n阶矩阵,设C,D是n×m阶矩阵,研究了矩阵方程(AX,XC)=(B,D)具有广义双对称解和广义双反对称解的充要条件,并给出了矩阵方程(AX,XC)=(B,D)通解的表达式.     

一类wishart矩阵相对特征值的分布问题研究

在统计分析中,特征值的分布问题是重要内容。从wishart矩阵的密度函数得到AB-1特征值以及在r≤m条件下AB-1特征值的密度函数。