首页/论文/1503.00378

arXiv 1503.003782015-03math.STstat.TH

非中心卡方随机变量加权和分布函数的完整梯度法

Holonomic gradient method for distribution function of a weighted sum of noncentral chi-square random variables

Tamio Koyama, Akimichi Takemura

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

本文应用完整梯度法计算独立非中心卡方随机变量加权和的分布函数。它是多元正态随机向量长度平方的分布函数。我们把这个分布看作是Fisher-Bingham分布的归一化常数在单位球面上的积分，并利用Fisher-Bingham分布的偏微分方程。

英文摘要：

We apply the holonomic gradient method to compute the distribution function of a weighted sum of independent noncentral chi-square random variables. It is the distribution function of the squared length of a multivariate normal random vector. We treat this distribution as an integral of the normalizing constant of the Fisher-Bingham distribution on the unit sphere and make use of the partial differential equations for the Fisher-Bingham distribution.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

基于完整梯度法的复非中心Wishart矩阵最大Eigenvalue的CDF计算

Holonomic Gradient Method-Based CDF Evaluation for the Largest Eigenvalue of a Complex Noncentral Wishart Matrix

利用复非中心Wishart矩阵最大特征值的累积分布函数（CDF）给出了莱斯衰落下多输入多输出（MIMO）无线通信系统中最大比合并（MRC）的中断概率.这个CDF以前被表示为一个行列式，其元素是一个汇合型超几何函数的积分。对于决定因素，传统的评估方法，例如，由超几何函数或数值积分产生的无穷级数的截断，即使对于中等天线数和Rician $ K $因子值，也可能是不可靠和缓慢的。因此，在这里，我们还通过手工和计算机代数推导出微分方程，然后从通过常规方法计算的初始条件求解这些微分方程。这就是完整梯度法。以前基于HGM的MIMO评估依赖于微分方程，理论上不能保证收敛，因此，仅对少数天线或中等$ K $产生可靠的结果。在这里，我们揭示了规范变换可以产生微分方程{ \emph{stabile} }，即，保证HGM收敛。随后的基于HGM的CDF评估被证明是可靠的，准确的，并迅速计算MRC中断概率，即使是非常大的天线数量和值的$ K $。

2018-04-30math.STstat.TH

非中心Wishart矩阵标量Schur补分布的卡方混合表示

Chi-Square Mixture Representations for the Distribution of the Scalar Schur Complement in a Noncentral Wishart Matrix

我们证明了非中心Wishart矩阵的标量Schur补的分布是具有不同自由度的中心χ 2分布的混合.对于秩为1的非中心矩阵的情况下，混合表示的权重来自于泊松分布的非中心Beta混合。

2015-12-27math.STstat.TH

非中心卡方密度的形状

The Shape of the Noncentral Chi-square Density

如果自由度nu>=2，则非中心卡方密度是对数凹的。我们补充这个已知的结果表明，对于每个0<nu<2，存在lambda_nu>0，这样的卡方与nu自由度和非中心参数lambda有一个递减的密度，如果lambda <= lambda_nu，否则是双峰。临界λ_nu的特征在于一个方程，涉及修改的贝塞尔函数的比率。当一个内部模式存在，我们推导出精确的边界上的位置。

2011-06-26math.CAmath.STstat.TH

非中心威沙特分布矩的图形表示及其应用

Graph presentations for moments of noncentral Wishart distributions and their applications

本文给出了一般次数的实和复非中心威沙特分布的矩公式。所得到的公式，为真正的和复杂的情况下描述的无向图和有向图，分别。考虑退化情形，通过枚举图给出了二元χ 2分布和$2\times 2$ Wishart分布的矩的显式表达式.注意到拉盖尔多项式可以被认为是一个非中心χ 2分布的时刻，我们证明了一个组合的解释系数的拉盖尔多项式。

2010-01-22math.STstat.TH

中心和非中心χ 2分布的精化正态近似及其应用

Refined normal approximations for the central and noncentral chi-square distributions and some applications

本文证明了具有$r > 0$自由度和非中心参数$λ\geq 0$的χ 2分布的一个局部极限定理。我们用它来开发精细的正常近似的生存函数。我们的最大误差下降到$r^{-2}$阶，这明显小于Horgan & Murphy（2013）和Seri（2015）最近发现的$r^{-1/2}$阶的最大误差界。我们的结果使我们能够大幅度地减少在能量检测问题中获得可忽略误差所需的观测数，从Urkowitz（1967）的开创性工作中推荐的$250$，减少到只有$8$。我们还得到了中心和非中心χ 2分布与标准正态分布之间的几个概率度量的上界，并且我们得到了中值的近似，改进了Robert（1990）以前得到的下界。

2022-06-02math.PRmath.STstat.TH

非中心分布的混合表示

Mixture representations of noncentral distributions

对于实数线上的任何对称分布$μ$，我们可以将非中心分布的参数族关联为$(X+δ)^2$、$δ\not=0$的分布，其中$X$是具有分布$μ$的随机变量。如果$μ$是标准正态分布，则出现经典情况，导致非中心卡方分布。众所周知，这些可以写成具有奇数自由度的中心卡方分布的泊松混合。我们得到这样的混合表示的逻辑斯谛分布和双曲正割分布。我们还推导出卡方分布的替代表示，并将这些表示的泊松家庭。虽然这些问题起源于参数统计，但它们也出现在广义第二Ray-Knight定理的背景下，该定理将高斯过程和马尔可夫过程的局部时间联系起来。

2022-06-21math.PRmath.STstat.TH

更多相关论文收起更多论文

关于非中心Wishart混合分布及其在因子设计模型中检验随机效应的应用

On noncentral Wishart mixtures of noncentral Wisharts and their use for testing random effects in factorial design models

McGill University（麦吉尔大学）；Université de Sherbrooke（舍布鲁克大学）；Université du Québec à Trois-Rivières（魁北克特鲁瓦里维埃拉大学）

本文研究了非中心Wishart混合分布的性质，并将其应用于因子设计模型中随机效应的检验问题。

2025-07-09math.PRmath.STstat.AP

参数分布族的离散混合表示：几何与统计

Discrete mixture representations of parametric distribution families: geometry and statistics

我们调查的存在性和性质的离散混合表示$P_θ=\sum_{i\in E} w_θ(i) \, Q_i$为一个给定的家庭$P_θ$，$θ\inΘ$，概率测度。非中心卡方分布提供了一个经典的例子。我们得到了问题的存在性结果以及几何和统计方面的结果，后者包括Fisher信息损失、Rao-Blackwellization、渐近有效性和混合概率的非参数极大似然估计.

2022-06-22math.PRmath.STstat.TH

边界点似然比检验的渐近性：奇异信息与不可识别的干扰参数

Asymptotics for likelihood ratio tests of boundary points with singular information and unidentifiable nuisance parameters

University of Florida（佛罗里达大学）；Stockholm University（斯德哥尔摩大学）；Karolinska Institutet（卡罗林斯卡学院）；Chalmers University of Technology（查尔姆斯理工大学）

本文研究了在参数界上且信息矩阵可能奇异的情况下，似然比检验的渐近分布，适用于混合模型和遗传连锁分析等场景，推导了在局部备择假设下的渐近分布形式。

2026-10-15math.STstat.TH

关于随机变量的非渐近尖尾下界

On the Non-asymptotic and Sharp Lower Tail Bounds of Random Variables

University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Duke University（杜克大学）

随机变量的非渐近尾界在概率论、统计学和机器学习中起着至关重要的作用。尽管在文献中成功地建立了尾概率的上界，但尾概率的下界相对较少。在本文中，我们介绍了系统的和用户友好的计划，发展非渐近的尾概率下界。此外，我们开发了尖锐的下尾边界为独立的次高斯和次指数随机变量，这符合经典的Hoeffding型和Bernstein型浓度不等式，分别。我们还提供了一套分布，包括伽玛，β，（定期，加权，和非中心）卡方，二项式，泊松，欧文霍尔等非渐近匹配的上，下尾界，我们应用的结果，建立匹配的上，下界极值期望的总和独立的次高斯和次指数随机变量。最后考虑稀疏非均匀混合信号识别的统计应用。

2020-09-05cs.LGmath.PRmath.ST

高斯二次型的Lévy集中函数及其在二阶U-统计量中的应用

On the L{é}vy concentration function of Gaussian quadratic forms with applications to second order U-statistics

Carnegie Mellon University（卡内基梅隆大学）

本文为加权非中心卡方随机变量和的Lévy集中函数提供自适应上界，该上界统一了高斯型和卡方型估计，并应用于二阶U-统计量的极限定理。

2026-06-25math.PRmath.STstat.TH