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
On information plus noise kernel random matrices
核随机矩阵近年来在理论和实践上都引起了广泛的兴趣。到目前为止,大多数理论工作都集中在数据从低维结构中采样的情况下。最近,第一个结果关于核随机矩阵与高维输入数据获得,在设置中的数据是从一个真正的高维结构采样-类似于随机矩阵理论的标准假设。在本文中,我们考虑的情况下,数据的类型“信息${}+{}$噪声。换句话说,每个观测值都是两个独立元素的总和:一个是从“低维”结构中采样的,是数据的信号部分,另一个是高维噪声,归一化后不会压倒信号,但仍然会影响信号。我们考虑两种类型的噪声,球形和椭圆形。在球形设置中,我们表明,核随机矩阵的谱特性可以理解从一个新的核矩阵,计算仅从信号部分的数据,但使用(一般)略有不同的内核。高斯核在这种情况下具有一些特殊的性质。从鲁棒性的角度来看,椭圆设置很重要,但不太容易解释。
2010-11-11 math.ST stat.TH
Limiting Laws for Divergent Spiked Eigenvalues and Largest Non-spiked Eigenvalue of Sample Covariance Matrices
研究了一般协方差阵模型下样本协方差阵的尖峰特征值和最大非尖峰特征值的渐近分布,该模型的尖峰特征值和最大非尖峰特征值是有界的,而其它特征值是任意的.建立了加标样本特征值的极限正态分布。它的显著特点是渐近均值不仅依赖于种群尖峰,还依赖于非尖峰,渐近方差一般依赖于种群特征向量。此外,还得到了最大非加标样本特征值的极限Tracy-Widom律。尖峰的数量和领先的特征向量的收敛估计也被认为是。即使尖峰的数量不同,结果也是成立的。作为一个关键技术工具,我们建立了一类随机二次型的中心极限定理,其中所涉及的随机向量和随机矩阵是相依的。这个结果可能是独立的利益。
2017-11-06 math.ST stat.TH
No Eigenvalues Outside the Limiting Support of Generally Correlated and Noncentral Sample Covariance Matrices
本文研究一般相关且非中心样本协方差矩阵的谱性质,在高维渐近下证明经验谱分布几乎必然收敛且极限支撑外无特征值,并应用于MIMO通信系统的信干噪比分析与迫零预编码矩阵可逆性保证。
2025-07-04 math.ST stat.TH
About limiting spectral distributions of block-rescaled empirical covariance matrices
我们建立了块重标经验协方差阵的极限谱分布是一个反正弦定律之间的比例的维数和潜在的样本量收敛到1时,对应于每个块的样本是独立的。我们进一步提出了一个猜想的情况下,后者的比例收敛到一个常数的单位区间。
2022-01-19 math.PR math.ST stat.TH
Limiting behavior of bilinear forms for the resolvent of sample covariance matrices under elliptical distribution with applications
本文为椭圆分布下样本协方差矩阵预解式的双线性形式建立联合中心极限定理,发现极限参数的相变,并应用于特征向量统计和尖峰特征值,推广了Haar猜想。
2023-12-27 math.ST stat.TH
Limiting eigen-structure of spiked sample covariance matrices under missing observations
Chongqing University(重庆大学);Nanjing Audit University(南京审计大学);University of Macau(澳门大学)
本文针对带缺失观测的尖峰总体模型,利用随机矩阵理论研究高维PCA的渐近行为,证明其样本特征值的渐近正态性与完整数据情形存在差异,并基于此提出尖峰总体独立结构的检验方法。
2026-08-11 math.ST stat.TH
Painleve formulas of the limiting distributions for non-null complex sample covariance matrices
在最近对大非零样本协方差阵的研究中,得到了一个新的函数序列,推广了随机矩阵理论中的GUE Tracy-Widom分布。本文导出了这类函数的Painlevé公式,并用它证明了它们确实是分布函数。讨论了这些新的分布函数在最后一段渗流、串联排队和完全不对称简单排它过程中的应用。作为证明的一部分,给出了单位圆上的正交多项式用离散集上的算子表示。
2005-08-08 math.PR math.ST stat.TH
On singular values of data matrices with general independent columns
在本文中,我们分析了一个大的$p\times n$数据矩阵$\mathbf{X}_n= (\mathbf{x}_{n1},\ldots,\mathbf{x}_{nn})$的奇异值,其中列$\mathbf{x}_{nj}$的是独立的$p$维向量,可能具有不同的分布。这种数据矩阵在高维统计中很常见。在协方差矩阵$\mathbfΣ_{nj}=\text{Cov}(\mathbf{x}_{nj})$可以渐近同时对角化的一个关键的假设下,和适当的收敛,他们的频谱,我们建立了一个极限分布的奇异值的$\mathbf{X}_n$时,两个维度$p$和$n$增长到无穷大在一个可比的幅度。矩阵模型超越并包含了许多现有的关于不同类型的样本协方差阵的工作,包括加权样本协方差阵、Gram矩阵模型和线性时间序列模型的样本协方差阵。此外,我们开发了我们的一般方法的两个应用程序。首先,我们得到了一个新的极限谱分布的实现协方差矩阵的各向异性时变协波动过程的多维扩散过程的存在性和唯一性。其次,我们推导了最近的矩阵值自回归模型的数据矩阵的奇异值的极限谱分布。最后,对于广义有限混合模型,得到了数据矩阵奇异值的极限谱分布。
2021-08-15 math.ST stat.TH
Limiting spectral distributions of large consistent rank correlation matrices
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));University of Washington(华盛顿大学)
研究一致秩相关随机矩阵的极限谱分布,发现Hoeffding's D等一致秩相关结构的极限谱分布遵循半圆律,扩展了Dong等人2025年的研究。
2026-04-29 math.PR math.ST stat.TH
Limiting spectral distribution for large sample correlation matrices
本文研究了当维数和样本量以相同的速率增加时,样本相关阵的经验谱分布,并在对数据分布较弱的假设下,研究了它的渐近性质。首先,我们给出了一个表征的限制谱分布遵循马琴科-帕斯托尔定律假设的基础数据矩阵组成的i.i.d.条目随后,我们提供了限制谱分布的样本相关阵时,允许的依赖结构内的列的数据矩阵。与以前的作品相比,数据的四阶矩可能是无限的,从而导致根本的结构差异。更准确地说,近似的样本相关阵,其样本协方差同伴打破了标准的论点和新的技术,用于解决的样本相关阵的挑战性的依赖结构。
2022-08-31 math.PR math.ST stat.TH
Asymptotic distribution of spiked eigenvalues in the large signal-plus-noise models
本文研究大型各向异性信号加噪声矩阵,在一般结构与噪声分布假设下建立超临界尖峰奇异值的渐近联合分布,揭示其非普适性并用于混合模型及均值异质性检测。
2024-01-22 math.ST stat.TH
On the inference about the spectral distribution of high-dimensional covariance matrix based on high-frequency noisy observations
在实践中,观测值经常被噪声污染,使得得到的样本协方差阵成为信号加噪声样本协方差阵。为了推断这种情况下总体协方差矩阵的谱分布,建立了一个渐近关系,描述了信号样本协方差阵的极限谱分布如何依赖于信号加噪声型样本协方差阵的极限谱分布.作为一个应用,我们考虑了基于高频数据和微结构噪声的高维扩散过程的积分共波动(ICV)矩阵的谱分布的推断。(稍微修改)预平均估计器是信号加噪声样本协方差阵,并且上述结果,连同信号样本协方差阵的谱分布和总体协方差阵的谱分布之间的(广义)联系,使我们能够提出一个两步过程来一致地估计一类扩散过程的ICV的谱分布.进一步提出了一种替代方法,它具有几个理想的属性:它是更强大的,它消除了微观结构噪声的影响,和渐近关系,使一致的估计的谱分布的ICV是标准的Marcenko-Pastur方程。这两种方法的性能通过同步和异步观测设置下的模拟研究。
2017-03-01 math.ST stat.TH
On the inference about the spectra of high-dimensional covariance matrix based on noisy observations-with applications to integrated covolatility matrix inference in the presence of microstructure noise
在实际应用中,观测值常常被噪声污染,使得得到的样本协方差阵成为信息加噪声型的协方差阵。为了在这种情况下对真实协方差阵的谱进行推断,我们建立了描述真实样本协方差阵的极限谱分布如何依赖于信息加噪声型样本协方差阵的极限谱分布的渐近关系.作为一个应用,我们考虑了基于含有微结构噪声的高频数据的高维扩散过程的积分共波动(ICV)矩阵谱的推断。预平均估计量是一个信息加噪声型的协方差阵,上述结果,连同真实样本协方差阵的谱分布与总体协方差阵的谱分布之间的(广义)联系,使我们能够提出一个两步估计过程,以估计一类扩散过程的ICV的谱分布.进一步提出了另一种估计方法,该方法具有两个理想的性质:消除了微结构噪声的影响,其极限谱分布仅依赖于标准Marčenko-Pastur方程的ICV谱分布。数值研究表明,我们提出的方法可以用来估计的基础协方差阵的频谱噪声观测的基础上。
2015-08-22 math.ST stat.TH
On Cramér-von Mises statistic for the spectral distribution of random matrices
令$F_N$和$F$是$N\times N$维格纳矩阵的经验和极限谱分布。Cramér-von Mises(CvM)统计量是一种经典的拟合优度统计量,它以$\ell^2$ -范数表征$F_N$和$F$之间的距离。本文考虑了Wigner矩阵CvM统计量的介观近似,并导出了它的极限分布。在附录中,我们还给出了玩具模型CUE的CvM统计量的极限分布(没有近似)。
2020-07-25 math-ph math.MP math.PR
An algebraic estimator for large spectral density matrices
我们提出了一个新的估计的高维谱密度矩阵,称为UNshrinked代数谱估计(UNALSE),在一个潜在的低秩加稀疏结构的假设下,通常假设在动态因子模型。UNALSE是通过在核范数加$l_1$范数约束下最小化二次损失来计算的,以控制潜在秩和剩余稀疏模式。损失函数需要作为输入的经典平滑周期图估计和两个门限参数,其中的选择进行了深入讨论。我们证明了当维数$p$和样本量$T$发散到无穷大时UNALSE的一致性,以及代数一致性,即,潜在秩和剩余稀疏模式的恢复概率为1。UNALSE的有限样本性质的研究通过扩展的模拟练习,以及美国宏观经济数据的实证分析。
2021-04-05 math.ST stat.ME stat.TH
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
Extremal eigenvalues of sample covariance matrices with general population
我们考虑$\mathcal{Q}=(Σ^{1/2}X)(Σ^{1/2}X)^*$形式的样本协方差阵的特征值。样本$X$是一个具有实数独立项的$M\times N$矩形随机矩阵,总体协方差矩阵$Σ$是一个独立于$X$的正定对角矩阵。假设$Σ$的极限谱密度在谱的右边缘处呈现凸衰减,在具有$N/M \to d\in(0,\infty)$的极限$M, N \to \infty$中,我们发现一定的阈值$d_+$,使得对于$d>d_+$,$\mathcal{Q}$的极限谱分布在谱的右边缘处也呈现凸衰减。在这种情况下,$\mathcal{Q}$的最大本征值由$Σ$的本征值的顺序统计量确定,并且特别地,$\mathcal{Q}$的最大本征值的极限分布由威布尔分布给出。在$d<d_+$情形下,我们还证明了当$Σ$的元素是独立同分布时,$\caQ$的最大特征值的极限分布是高斯分布.随机变量虽然$Σ$被认为是随机的,但结果也适用于确定性$Σ$,并有一些额外的假设。
2020-09-15 math.PR math.ST stat.TH
No Eigenvalues Outside the Support of the Limiting Spectral Distribution of Large Dimensional noncentral Sample Covariance Matrices
设$ \bbB_n =\frac{1}{n}(\bbR_n + \bbT^{1/2}_n \bbX_n)(\bbR_n + \bbT^{1/2}_n \bbX_n)^* $,其中$ \bbX_n $是具有独立标准化随机变量的$ p \times n $矩阵,$ \bbR_n $是$ p \times n $非随机矩阵,$ \bbT_{n} $是$ p \times p $非随机、非负定厄米特矩阵。矩阵$\bbB_n$被称为信息加噪声型矩阵,其中$\bbR_n$包含信息,而$\bbT^{1/2}_n \bbX_n$是具有协方差矩阵$\bbT_{n} $的噪声矩阵。我们知道,作为$ n \to \infty $,如果$ p/n $收敛到一个正数,那么在某些温和的条件下,$ \bbB_n $的经验谱分布几乎必然收敛到一个非随机极限。在本文中,我们证明了,在一定的条件下的特征值的$ \bbR_n $和$ \bbT_n $,对于任何封闭的区间以外的支持的限制谱分布,概率为1,将有没有特征值落在这个区间的所有$ n $足够大。
2023-03-22 math.PR math.ST stat.TH
Central limit theorem of nonparametric estimate of spectral density functions of sample covariance matrices
Jing,Pan,Shao and Zhou(2010)给出了一般样本协方差阵极限谱分布的相容核估计。本文证明了核估计的中心极限定理。
2010-08-24 math.PR math.ST stat.TH
Limiting spectral distribution of renormalized separable sample covariance matrices when $p/n\to 0$
本文研究了重正化样本协方差阵的特征值的行为,其形式为C_n= \sqrt{\frac{n}{p}} \left(\frac{1}{n} A_{p} ^{1/2} X_{n} B_{n} X_{n} ^{*} A_{p} ^{1/2}- \frac{1}{n} \tr(B_{n})A_{p} \right)as $p,n\to \infty$ and $p/n\to 0$,其中$X_{n}$是具有i.i.d.满足$E(X_{ij})=0$、$E|X_{ij}|^2=1$且具有有限四阶矩的实值或复值项$X_{ij}$。$A_{p}^{1/2}$是非负定厄米特矩阵$A_{p}$的平方根,$B_{n}$是非负定厄米特矩阵$n\times n$。我们证明了$C_n$的经验谱分布(ESD)收敛于a.s.在某些假设下,非随机极限分布。导出了$C_{n}$的LSD的概率密度函数,并指出它依赖于$A_{p}$的LSD和$n^{-1}\tr(B_{n}^2)$的极限值.我们提出了一个计算算法,用于评估这种极限密度时,$A_{p}$的LSD是一个混合的点质量。此外,当$X_{n}$的条目是亚高斯,我们得到了有限的经验分布的$\{\sqrt{n/p}(λ_j(S_n) - n^{-1}\tr(B_n) λ_j(A_{p}))\}_{j=1}^p$其中$S_n := n^{-1} A_{p}^{1/2}X_…
2013-11-17 math.PR math.ST stat.TH
Limiting distributions for eigenvalues of sample correlation matrices from heavy-tailed populations
考虑一个$p$维总体${\mathbf x} \in\mathbb{R}^p$,其iid坐标在一个指数为$α\in (0,2)$的稳定分布的吸引域中.由于${\mathbf x}$的方差是无穷大的,因此基于来自总体的样本${\mathbf x}_1,\ldots,{\mathbf x}_n$的样本协方差矩阵${\mathbf S}_n=n^{-1}\sum_{i=1}^n {{\mathbf x}_i}{\mathbf x}'_i$表现不佳,因此有必要使用样本相关矩阵${\mathbf R}_n= \{\operatorname{diag}({\mathbf S}_n)\}^{-1/2}\, {\mathbf S}_n \{\operatorname{diag}({\mathbf S}_n)\}^{-1/2}$。当维数$p$和样本容量$n$都增长到无穷大时,本文找到了${\mathbf R}_n$的特征值的极限分布,使得$p/n\to γ\in (0,\infty)$ .极限分布族$\{H_{α,γ}\}$是新的,取决于两个参数$α$和$γ$。$H_{α,γ}$的矩被完全确定为两个贡献的总和:第一个来自经典的马琴科-帕斯托尔定律,第二个来自重尾。此外,家族$\{H_{α,γ}\}$在边界$α=2$和$α=0$处具有连续扩展,分别导致Marčenko-Pastur定律和修改的泊松分布…
2022-09-19 math.PR math.ST stat.TH
Universality of first-order methods on random and deterministic matrices
Bocconi University(博科尼大学);UC Davis(加州大学戴维斯分校);Johns Hopkins University(约翰霍普金斯大学);ETH Zürich(苏黎世联邦理工学院)
研究一阶方法在随机和确定性矩阵上的动态行为,通过分析输入矩阵的极限交通分布,推导出确定性矩阵的极限动态,并设计新的AMP迭代方法统一多种变体。
2026-04-13 cs.DS cs.LG math.PR