On eigenvalues of sample covariance matrices based on high dimensional compositional data
本文研究高维成分数据样本协方差矩阵的渐近谱性质,证明极限谱分布为Marchenko-Pastur律,极端特征值收敛到谱端点,线性谱统计量具有高斯极限,并通过模拟验证了理论结果。
2023-12-22 math.ST stat.ME stat.TH
Tracy-Widom law for the extreme eigenvalues of large signal-plus-noise matrices
令$\bY =\bR+\bX$为$M\times N$矩阵,其中$\bR$为矩形对角矩阵,$\bX$由$i.i.d.$项组成。这是一个信号加噪声类型的模型。它的信号矩阵可以是满秩的,与低秩情况相比,这在文献中很少研究。研究了$\bY\bY^*$的极值特征值问题。我们证明了在高维情形($M/N\rightarrow c\in(0,1]$)和$\bR$上的某些正则性条件下,重标度的极值特征值按分布收敛于Tracy-Widom分布($TW_1$).
2020-09-25 math.ST stat.TH
Asymptotic joint distribution of extreme eigenvalues and trace of large sample covariance matrix in a generalized spiked population model
研究了广义Spiked总体模型中大样本协方差阵的极值特征值和迹的联合极限性态,其中渐近状态是维数和样本量成比例增长.联合极限分布的形式被应用于进行约翰逊-格雷比尔型测试,一个家庭的方法测试的信号在统计模型。为此,进一步进行高阶校正,有助于减轻有限样本偏差的影响。证明依赖于确定两类谱过程的联合渐近行为,分别对应于极值和线性谱统计量。
2019-06-23 math.ST stat.TH
Limiting laws for extreme eigenvalues of large-dimensional spiked Fisher matrices with a divergent number of spikes
考虑一个$p\times p$矩阵,它是一个总体协方差阵与另一个总体协方差阵的逆矩阵的乘积。假设它们的差异相对于$p$具有发散秩,当来自两个总体的大小为$n$和$T$的两个样本可用时,我们构造其相应的样本版本。在$n$和$T$都与$p$成比例的高维情形下,研究了当尖峰数目发散且尖峰是无界时样本Fisher矩阵的极值特征值的极限律.
2020-09-22 math.ST stat.TH
Asymptotic Analysis for Extreme Eigenvalues of Principal Minors of Random Matrices
考虑具有参数$n$和$p$的标准白色Wishart矩阵。出于在高维统计和信号处理中的应用,我们进行渐近分析的最大值和最小值的特征值的所有$m \times m$主子式,下的渐近制度,$n,p,m$去无穷大。得到了实Wigner矩阵的主子式的极值特征值的渐近结果。此外,我们讨论了应用的理论结果的压缩感知矩阵的建设,这提供了深刻的见解压缩感知信号处理和高维线性回归的统计。
2019-05-21 math.PR math.ST stat.TH
Extreme eigenvalues of Log-concave Ensemble
本文研究了随机矩阵的对数凹系综,即一类具有迷向对数凹$X$列的协方差型矩阵$XX^*$.一个主要例子是各向同性凸体上一致测度的协方差估计。文献中已经得到了极值特征值的非渐近估计和一阶渐近极限。本文利用对数凹测度\cite{chen, KL22}的最新进展,进一步以接近最优的精度定位特征值,即导出了该系综的谱刚性.基于谱刚性和附加的"无条件”假设,我们进一步导出了$XX^*$的极值特征值的Tracy-Widom律和强尖峰情况下的极值特征值的Gauss律.
2022-12-22 math.FA math.MG math.PR
Sparse Recovery from Extreme Eigenvalues Deviation Inequalities
本文提供了一个新的工具箱,用于从随机矩阵理论中获得的极值奇异值或极值特征值的小偏差导出稀疏恢复保证。这项工作是基于限制等距常数(RIC),这是压缩感知和高维统计中的一个关键概念,因为这些常数精细地评估了一个线性算子如何在稀疏向量集上进行调节,从而评估了它在SRSR中的表现。虽然用合适的RIC构造确定性矩阵是一个开放的问题,但可以使用随机矩阵模型证明这样的矩阵存在。在本文中,我们显示上界的RIC的高斯和Rademacher矩阵使用最先进的小偏差估计其极端特征值。这使我们能够推导出获得SRSR的概率的下界。本文的一个好处是一个直接和明确的推导上界的RIC和下界SRSR的极小偏差的极端特征值的随机矩阵理论。
2018-11-14 cs.IT math.IT math.PR
Extreme Eigenvalues of Nonlinear Correlation Matrices with Applications to Additive Models
一对随机变量的函数的最大相关性是随机相关性的一个重要度量。已知该最大非线性相关与一对高斯随机变量或一对iid随机变量的有限和的皮尔逊相关的绝对值相同。本文将这些结果推广到两两高斯向量和过程、iid随机变量的套和以及iid随机变量子群的置换对称函数。它还讨论了添加剂回归模型的应用。
2020-08-09 math.PR math.ST stat.TH
Accuracy of the Tracy--Widom limits for the extreme eigenvalues in white Wishart matrices
$p$ -变量样本协方差阵$S$的最大和最小特征值的分布在统计学中具有重要意义。针对$nS$遵循标准Wishart分布$W_p(I,n)$的空值情形,研究了在$n/p\rightarrow γ\in(0,\infty)$为$n\rightarrow \infty$的情况下,它们的标度极限的准确性.这里的极限是正交Tracy-Widom定律及其对起源的反映。通过仔细选择重标度常数,用极限逼近重标度后的最大特征值分布达到了${\mathrm {O}({\min(n,p)^{-2/3}})}$级的精度。如果是$γ>1$,则在结合额外的对数变换之后,对于最小特征值获得相同的精度阶数。数值结果表明,在传统的显着性水平的近似的相对误差减少了50%以上的矩形和75%以上的“瘦”的数据矩阵设置,即使与$\min(n,p)$小到2。
2012-03-05 math.ST stat.TH
Extreme Eigenvalue Distributions of Some Complex Correlated Non-Central Wishart and Gamma-Wishart Random Matrices
令$\mathbf{W}$是通过$\mathbf{W}=\mathbf{X}^H\mathbf{X}$定义的相关复非中心Wishart矩阵,其中$\mathbf{X}$是具有非零均值$\boldsymbolΥ$和非平凡协方差$\boldsymbolΣ$的$n\times m \, (n\geq m)$复高斯。我们导出了极值特征值的累积分布函数(c.d.f.s)的精确表达式(即,最大值和最小值)。这些结果非常简单,涉及快速收敛的无穷级数,并适用于$\boldsymbolΥ$具有秩1的实际重要情况。对于一类伽玛-Wishart随机矩阵,$\boldsymbolΥ^H\boldsymbolΥ$服从矩阵变量Γ分布,我们也得到了类似的结果.本文中的特征值分布在无线通信系统中有各种应用,并出现在其他领域,如计量经济学,统计物理学和多元统计。
2011-01-05 cs.IT math.IT math.ST
Large deviations of extreme eigenvalues of generalized sample covariance matrices
本文提出了一种计算随机矩阵的最大特征值为无穷大的罕见事件概率的分析方法。其大偏差的右尾)。结果也转移到了左尾最小特征值的大偏差上。该技术改进了过去的方法,不需要明确的法律的特征值,我们将其应用到一个大类的随机矩阵,以前遥不可及。特别是,我们解决了一个开放的问题,与性能的主成分分析高度相关的数据,并打开了道路,分析复杂的推理模型的高维景观。我们使用重要性抽样方法来探测我们的结果,有效地模拟概率小至$10^{-100}$的事件。
2021-02-08 cond-mat.dis-nn cond-mat.stat-mech math.PR
Tracy-Widom law for the extreme eigenvalues of sample correlation matrices
设样本相关矩阵为$W=YY^T$,其中$Y=(y_{ij})_{p,n}$与$y_{ij}=x_{ij}/\sqrt{\sum_{j=1}^nx_{ij}^2}$。我们假设$\{x_{ij}: 1\leq i\leq p, 1\leq j\leq n\}$是一个具有次指数尾的独立对称分布随机变量的集合。此外,对于任何$i$,我们假设$x_{ij}, 1\leq j\leq n$是同分布的。我们假设$0<p<n$和$p/n\rightarrow y$与一些$y\in(0,1)$为$p,n\rightarrow\infty$。在本文中,我们提供的Tracy-Widom法律($TW_1$)的最大和最小的特征值的$W$。如果$x_{ij}$是i.i.d.标准正态,我们可以推导出矩阵$\mathcal{R}=RR^T$的最大和最小特征值的$TW_1$,其中$R=(r_{ij})_{p,n}$与$r_{ij}=(x_{ij}-\bar x_i)/\sqrt{\sum_{j=1}^n(x_{ij}-\bar x_i)^2}$,$\bar x_i=n^{-1}\sum_{j=1}^nx_{ij}$。
2011-10-31 math.PR math.ST stat.TH
Comparison theorems for the extreme eigenvalues of a random symmetric matrix
Caltech(加州理工学院)
本文建立了一种随机对称矩阵和的极大规模特征值比较定理,强化了此前结果,并应用于谱图理论、量子信息理论等领域,首次完整证明了稀疏随机降维映射的单射性质。
2026-09-10 cs.NA math.NA math.PR
Strong limit of the extreme eigenvalues of a symmetrized auto-cross covariance matrix
自交叉协方差阵定义为\[\mathbf{M}_n=\frac{1} {2T}\sum_{j=1}^T\bigl(\mathbf{e}_j\mathbf{e}_{j+τ}^*+\mathbf{e}_{j+ τ}\mathbf{e}_j^*\bigr),\],其中$\mathbf{e}_j$是独立标准复分量的$n$维向量,具有共同的均值0、方差$σ^2$和一致有界的$2+η$阶矩,$τ$是滞后. Jin等人[Ann. Appl. Probab. 24(2014)1199-1225]已经证明了$\mathbf{M}_n$的LSD唯一且非随机地存在,并且对于所有$τ\ge 1$独立于$τ$。此外,他们还给出了LSD的解析表达式。作为Jin et al. [Ann. Appl. Probab. 24(2014)1199-1225],本文证明了在一致有界四阶矩的条件下,在LSD的支撑外的任何闭区间内,对于所有大的$n$,概率为1的情况下,都不存在$\mathbf{M}_n$的特征值.作为主要定理的一个结果,还得到了$\mathbf{M}_n$的最大和最小特征值的极限。
2015-10-29 math.ST stat.TH
Limit theorems for sample eigenvalues in a generalized spiked population model
在Johnstone(2001)提出的加样总体模型中,总体协方差阵除了少数固定特征值(加样值)外,其余特征值都等于单位。问题是量化尖峰特征值引起的扰动的影响。Baik和Silverstein(2006)建立了当总体和样本量变大时与尖峰特征值相关的极端样本特征值的几乎必然极限。在最近的工作(白和姚,2008年),我们已经提供了这些极端样本特征值的极限分布。在本文中,我们将这一理论推广到一个{ \em广义}的加标人口模型,其中的基础人口协方差阵是任意的,而不是在Johnstone的情况下的单位矩阵。引入新的数学工具来建立由尖峰产生的样本特征值的几乎必然收敛。
2008-06-06 math.PR math.ST stat.TH
Sequential Low-Rank Change Detection
Georgia Institute of Technology(佐治亚理工学院);Air Force Research Lab(空军研究实验室)
从高维数据中检测低秩信号的出现是许多应用中出现的重要问题,例如使用传感器的摄像机监视和群体监视。我们考虑一个基于滑动窗口上的样本协方差阵的最大特征值来检测变化的过程。为了实现降维,我们提出了一种基于草图的方法,使用原始高维观测的低维线性草图进行秩变化检测。其前提是当草图矩阵为随机高斯矩阵,且草图向量维数足够大时,这些草图的样本协方差阵的秩以高概率等于原始样本协方差阵的秩。因此,我们可以使用草图的样本协方差阵来检测低秩变化,而不必恢复原始的协方差阵。我们的字符的最大特征值统计的虚警率和预期的检测延迟的性能,并提出了一个有效的在线实现通过子空间跟踪。
2016-10-07 cs.LG math.ST stat.ML
Extreme value analysis for the sample autocovariance matrices of heavy-tailed multivariate time series
本文给出了p维时间序列的样本协方差阵的最大特征值的渐近理论,其中当样本量n增加时,维数p = p_n收敛到无穷大.我们给出了一个简短的概述,在轻尾和重尾的情况下,数据有有限(无限)的四阶矩,分别在这一主题的文献。我们主要关注的是重尾的情况。在这种情况下,人们有一个理论,在iid的情况下,但也当数据的行和列是线性相关的样本协方差阵的归一化特征值的点过程。我们提供了这些点过程的泊松或集群泊松过程的弱收敛的极限结果。基于这种收敛性,我们还可以推导出有序特征值的各种函数的极限定律,例如有限个最大顺序统计量的联合收敛性、最大特征值与迹的联合极限定律、有序特征值连续比的极限定律等。我们还发展了样本自协方差矩阵及其平方和的奇异值的极限理论。该理论的模拟数据和标准普尔500指数的组成部分说明。
2016-04-26 math.PR math.ST stat.TH
Principal components of spiked covariance matrices in the supercritical regime
本文研究了超临界条件下尖峰协方差阵的极值特征值和特征向量的渐近性态。具体地说,我们推导出在这个政权的极端特征值和广义分量的特征向量的联合分布。
2020-08-28 math.PR math.ST stat.TH
Extreme eigenvalues and eigenvectors for finite rank additive deformations of non-hermitian sparse random matrices
CNRS, LIGM (UMR 8049), Université Gustave Eiffel, ESIEE Paris(法国国家科学研究中心,信息学与机器学习实验室(联合研究单位8049),古斯塔夫·埃菲尔大学,巴黎ESIEE工程学院);Yale University(耶鲁大学)
研究非对称稀疏随机矩阵在有限秩加性变形下的极值特征值和特征向量行为,证明其与变形矩阵的特征值渐近一致,并揭示了秩一变形下的投影行为与厄密情况相同。
2026-02-24 math.PR math.ST stat.TH
Sequential Sensing with Model Mismatch
Tsinghua University(清华大学);Georgia Institute of Technology(佐治亚理工学院)
当真实信号模型和假设模型(可能是样本估计)之间存在不匹配时,我们描述了顺序信息引导感知(信息贪婪感知)的性能。特别是,我们考虑一个设置,其中信号是低秩高斯和测量的方向上的特征向量的协方差阵的特征值的降序。我们建立了一组性能界限时,使用不匹配的协方差阵,在信号后验熵的差距,以及所需的额外的功率量,以达到相同的信号恢复精度。在此基础上,我们进一步研究了如何使用样本协方差阵或使用有效的协方差草图方案来选择信息贪婪感知的初始值。
2015-03-16 cs.IT cs.LG math.IT
Sequential Outlier Detection in Non-Stationary Time Series
提出一种基于极值理论控制错误概率的非平稳时间序列序贯异常值检测方法,并验证其渐近与有限样本性能。
2025-02-25 math.ST stat.ME stat.TH
Fluctuation of the Largest Eigenvalue of a Kernel Matrix with application in Graphon-based Random Graphs
本文研究Lipschitz核生成的随机核矩阵最大特征值波动的二分性,拓展早期结果并应用于W-随机图,证明其极端特征值渐近行为也存在二分性,为复杂网络建模提供理论支撑。
2025-08-20 math.PR math.ST stat.TH