On spectral properties of high-dimensional spatial-sign covariance matrices in elliptical distributions with applications
空间符号协方差矩阵(SSCM)是稳健统计中样本协方差阵(SCM)的重要替代。本文研究了高维椭圆总体下SSCM的渐近谱行为,其中观测维数$p$和样本量$n$均随它们的比值$p/n\to c\in (0, \infty)$趋于无穷大.该非参数散射矩阵的经验谱分布在分布上收敛于广义马琴科-帕斯托尔定律。此外,还建立了SSCM一般线性谱统计量的一个新的中心极限定理(CLT)。对于多项式谱统计量,给出了CLT中极限均值和协方差函数的显式表达式。导出的结果,然后应用于估计程序和检验程序的总体协方差阵的形状分量的频谱。
2017-05-18 math.ST stat.TH
Universality of sample covariance matrices: CLT of the smoothed empirical spectral distribution
建立了样本协方差阵的光滑经验谱分布的中心极限定理。此外,还发展了Marcenko和Pastur定律的光滑分位数的CLT。
2011-11-23 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
Asymptotic independence of spiked eigenvalues and linear spectral statistics for large sample covariance matrices
考虑一般的高维加标样本协方差模型,证明了当样本量与维数成正比时,其首样本加标特征值与线性谱统计量是渐近独立的.作为一个副产品,我们还建立了中心极限定理的领先样本尖峰特征值通过删除块对角假设的人口协方差阵,这是通常需要在文献中。此外,我们提出了一致的估计的$L_4$规范的尖峰人口特征向量。基于这些结果,我们发展了一个新的统计量来检验两个加标总体协方差阵的相等性。数值研究表明,新的测试程序是更强大的比一些现有的方法。
2020-09-24 math.ST stat.TH
Nonparametric estimate of spectral density functions of sample covariance matrices: A first step
一般样本协方差阵的极限谱分布的密度函数通常是未知的。我们建议使用被证明是一致的核估计。仿真研究也进行了显示的估计性能。
2012-11-14 math.ST stat.TH
Spectral analysis of the Moore-Penrose inverse of a large dimensional sample covariance matrix
对于具有协方差矩阵$\mathbfΣ_n$的$n$独立同分布$p$维中心随机向量的样本,令$\tilde{\mathbf{S}}_n$表示通常的样本协方差(以均值为中心),$\mathbf{S}_n$表示非中心样本协方差阵(即二阶矩估计矩阵),其中$p> n$。本文给出了$\mathbf{S}_n$和$\tilde{\mathbf{S}}_n$的Moore-Penrose逆的线性谱统计量的极限谱分布和中心极限定理.当变量个数$p\rightarrow\infty$和样本大小$n\rightarrow\infty$使得$p/n\rightarrow c\in (1, +\infty)$ .我们提出了两种类型的矩阵,这表明,这两个样本协方差矩阵的极限谱分布是相同的马琴科-帕斯托尔定律。另一方面,我们证明了$\tilde{\mathbf{S}}_n$的Moore-Penrose逆的线性谱统计量的渐近分布不同于$\mathbf{S}_n$的平均值。
2015-09-21 math.ST stat.TH
Liberating dimension and spectral norm: A universal approach to spectral properties of sample covariance matrices
本文提出一种适用于样本协方差矩阵谱性质的通用约束原理,通过适当的归一化技术,消除了对总体协方差矩阵有界谱范数及维度 $p$ 和样本量 $n$ 增长速率的限制,建立了线性谱统计量的调和中心极限定理,显著拓宽了高维统计的适用性。
2024-01-02 math.PR math.ST stat.TH
Online Covariance Matrix Estimation in Sketched Newton Methods
Department of Statistics, The University of Chicago(芝加哥大学统计系);Mathematics and Computer Science Division, Argonne National Laboratory(阿贡国家实验室数学与计算机科学部);School of Industrial and Systems Engineering, Georgia Institute of Technology(佐治亚理工学院工业与系统工程系)
本文研究了一种在线随机化牛顿方法,通过近似牛顿步消除二次方法的计算瓶颈,并提出了一种完全在线的协方差矩阵估计器,无需矩阵分解,适用于回归问题和基准问题。
2026-04-11 cs.LG cs.NA math.NA
Efficient nonparametric estimation of Toeplitz covariance matrices
本文提出一种基于数据变换的Toeplitz协方差矩阵非参数估计量,将其转化为近似高斯回归的均值估计,该方法正定、数据驱动且计算极快,并在谱范数下达到最小最大最优,同时扩展至逆矩阵估计。
2024-01-05 math.ST stat.ME stat.TH
Minimax-Optimal Spectral Clustering with Covariance Projection for High-Dimensional Anisotropic Mixtures
Department of Statistics, Columbia University(哥伦比亚大学统计学系)
本文提出了一种基于协方差投影的谱聚类方法,以应对高维各向异性混合物中的复杂噪声结构,通过改进的重新分配步骤和理论分析,实现了最小最大最优的聚类性能。
2026-01-26 math.ST stat.ME stat.ML
Minimax Optimal Estimation of Mean and Covariance Functions with Spectral Regularization
Department of Statistics, Pennsylvania State University(宾夕法尼亚州立大学统计学系)
本文研究了在再生核希尔伯特空间中利用频谱正则化估计均值和协方差函数的方法,推导了估计器的收敛率并建立了最优性界。
2026-10-01 math.ST stat.TH
Asymptotics and Concentration Bounds for Bilinear Forms of Spectral Projectors of Sample Covariance
设$X,X_1,\dots, X_n$为i.i.d.。具有零均值和协方差算子$Σ={\mathbb E}(X\otimes X)$的高斯随机变量取值于可分希尔伯特空间${\mathbb H}.$令$$ {\bf r}(Σ):=\frac{{\rm tr}(Σ)}{\|Σ\|_{\infty}} $$为$Σ,$的有效秩${\rm tr}(Σ)$为$Σ$的迹,$\|Σ\|_{\infty}$为其算子范数。设$$\hat Σ_n:=n^{-1}\sum_{j=1}^n (X_j\otimes X_j)$$是基于$(X_1,\dots, X_n).$的样本(经验)协方差算子,本文讨论了协方差算子$Σ$的谱投影算子由其经验对应算子$\hat Σ_n$的谱投影算子(empirical spectral projectors)估计的问题。重点是样本量$n$和有效秩${\bf r}(Σ)$都很大的问题。该框架包括并推广了众所周知的高维尖峰协方差模型。给定对应于协方差算子$Σ$的特征值$μ_r$的谱投影算子$P_r$及其经验对应物$\hat P_r,$,我们根据样本大小$n$和有效维数${\bf r}(Σ).$导出经验谱投影算子$\hat P_r$的双线性型的精确浓度界。本文证明了随机算子$\hat P_r -{\mathbb E}\hat P_r$的双线性型的渐近正态性,并在$n\to \inft…
2015-08-07 math.ST stat.TH
CLT for linear spectral statistics of normalized sample covariance matrices with the dimension much larger than the sample size
设$\mathbf{A}=\frac{1}{\sqrt{np}}(\mathbf{X}^T\mathbf{X}-p\mathbf {I}_n)$,其中$\mathbf{X}$是一个$p\times n$矩阵,由独立同分布(i.i.d.)实随机变量$X_{ij}$的均值为0,方差为1。当$p/n\to\infty$,在四阶矩条件下,建立了由特征值定义的$\mathbf{A}$的线性谱统计量的中心极限定理.我们还探讨了它在检验总体协方差矩阵是否是单位矩阵中的应用。
2015-06-01 math.ST stat.TH
A CLT for the difference of eigenvalue statistics of sample covariance matrices
该研究在数据维度与样本量同阶增长的情形下,证明了样本协方差矩阵与删去一列及对应行后矩阵的线性谱统计量之差的中心极限定理,放宽了总体协方差矩阵对角性与各阶矩存在的条件,还建立了差分型谱统计量与常规线性谱统计量的渐近独立性。
2023-06-16 math.PR math.ST stat.TH
High-dimensional covariance matrices in elliptical distributions with application to spherical test
本文讨论了当基本总体服从椭圆分布时,高维样本协方差阵的线性谱统计量的波动性。这类总体的坐标之间往往具有高阶相关性,这对线性谱统计量的渐近行为有很大影响。考虑到这种依赖性,本文建立了一类椭圆总体线性谱统计量的一个新的中心极限定理。这个一般性的理论结果有广泛的应用,作为一个例子,它被应用于测试椭圆种群的球形。
2018-03-21 math.ST stat.TH
Testing Kronecker Product Covariance Matrices for High-dimensional Matrix-Variate Data
克罗内克积协方差结构为矩阵变量数据的相关性建模提供了一种有效的方法。本文基于重正化样本协方差阵的线性谱统计量,提出了Kronecker乘积协方差阵的检验统计量。证明了线性谱统计量的中心极限定理,给出了均值函数和协方差函数的显式表达式,填补了文献空白。然后,我们从理论上证明,建议的检验统计量具有良好的控制大小和强大的权力。为了便于实际应用,我们进一步提出了一个自举恢复算法来近似相关的线性谱统计量的极限分布。自举过程的一致性在温和的条件下得到保证。还将讨论允许噪声存在的更一般的模型。在模拟中,所提出的测试程序及其自举版本的经验大小接近相应的理论值,而功率收敛到一个快速的尺寸和样本量的增长。
2022-04-29 math.ST stat.TH
CLT for LSS of sample covariance matrices with unbounded dispersions
在数据维数与样本量成比例趋于无穷大的高维情形下,得到了高维样本协方差阵线性谱统计量的中心极限定理.与现有文献不同的是,我们的结果不需要假设总体协方差阵是有界的。此外,本文还允许实数据中的许多常见核函数,如对数函数和多项式函数。在我们的模型中,尖峰特征值的数量可以是固定的或趋于无穷大。我们提出的中心极限定理中的渐近均值和协方差的一个显著特点是它与总体谱范数的发散阶有关。
2021-06-18 math.PR math.ST stat.ME
Online Statistical Inference for Stochastic Optimization via Kiefer-Wolfowitz Methods
本文研究随机优化参数的在线统计推断,分析随机搜索方向下 AKW 估计量的渐近分布及其效率与查询复杂度权衡,并给出两种置信区间构造方法。
2023-12-10 math.ST stat.ML stat.TH
Generalized Linear Spectral Statistics of High-dimensional Sample Covariance Matrices and Its Applications
University of Science and Technology of China(中国科学技术大学)
本文提出了一种基于高维样本协方差矩阵广义线性谱统计量的新方法,用于检验总体尖峰协方差矩阵的特征空间,展示了尖峰幅度的普遍现象,并通过数值实验验证了方法的准确性与有效性。
2025-12-02 math.ST stat.TH
Central limit theorem for linear spectral statistics of general separable sample covariance matrices with applications
本文研究了在无线通信和时空统计中起着重要作用的可分离协方差模型,它描述了时间相关性不依赖于空间位置和空间相关性不依赖于时间的过程。本文建立了一般可分样本协方差阵线性谱统计量的中心极限定理,其形式为$\mathbf S_n=\frac1n\mathbf T_{1n}\mathbf X_n\mathbf T_{2n}\mathbf X_n^*\mathbf T_{1n}^*$,其中$\mathbf X_n=(x_{jk})$是$m_1\times m_2$维数,元素$\{x_{jk}, j=1,...,m_1, k=1,...,m_2\}$是独立同分布的复变量,均值和方差为零,$\mathbf T_{1n}$是$p\times m_1 $复矩阵,$\mathbf T_{2n}$是$m_2\times m_2$ Hermitian矩阵.然后,我们应用这个一般的中心极限定理的问题,测试白噪声的时间序列。
2019-01-23 math.PR math.ST stat.TH
Local Quadratic Spectral and Covariance Matrix Estimation
本文重新讨论了多元时间序列谱密度矩阵$f(w)$的估计问题,特别着重讨论了频率$w=0$和$w=π$。认识到在这两个边界点的谱密度矩阵的条目是实值的,我们提出了一个新的估计构造从本地多项式回归的实部的多元周期图。$w=0$情况特别重要,因为$f(0)$与样本均值的大样本协方差阵相关;因此,估计$f(0)$对于对均值进行任何类型的统计推断至关重要。我们通过理论和模拟来探索局部多项式估计的性质,并讨论其在通货膨胀和失业问题中的应用。
2022-12-05 stat.ME
A Note on Central Limit Theorems for Linear Spectral Statistics of Large Dimensional F-matrix
样本协方差阵和多元$F$ -矩阵在多元统计分析中起着重要的作用。与这些矩阵相关的线性谱统计的中心极限定理{ \sl(CLT)}在Bai and Silverstein(2004)和Zheng(2012)中得到了广泛的关注,并已被应用于解决许多高维统计问题。然而,这些文献中所使用的样本协方差阵并不是集中的,而且由集中的样本协方差阵定义的CLT还存在一些问题。在本文中,我们将对Bai and Silverstein(2004)和Zheng(2012)中的CLT进行一些简短的补充,并证明这两篇论文中的结果对于集中样本协方差阵仍然有效,前提是维度$p$与样本大小$(n,n_1,n_2)$的比值分别重新定义为$p/(n-1)$和$p/(n_i-1)$,$i=1,2$。
2013-05-02 math.ST stat.TH
Hypothesis testing for eigenspaces of covariance matrix
协方差阵的特征空间在统计机器学习中起着重要的作用,出现在各种现代算法中。量子化,它是方便的描述的特征空间的频谱投影仪。这项工作的重点是假设检验的光谱投影仪,在一个和两个样本的情况下。我们提出了新的测试,基于一个特定的矩阵范数开发,以利用光谱投影仪的结构。介绍和分析了一种新的独立兴趣的恢复技术:它作为一种替代著名的乘数引导,显着降低基于引导的方法的计算复杂性。我们提供了理论保证的I型错误,我们的程序,显着提高了以前在该领域获得的结果。此外,我们分析了我们的测试的力量。数值实验表明,所提出的方法相比,以前开发的性能良好。
2020-02-23 math.ST stat.TH
Substitution principle for CLT of linear spectral statistics of high-dimensional sample covariance matrices with applications to hypothesis testing
样本协方差阵在多元统计分析中有着广泛的应用。高维非中心样本协方差阵线性谱统计量的中心极限定理(CLT's)在随机矩阵理论中得到了广泛的关注,并被应用于许多高维统计问题。然而,已知的总体均值向量被假定为非中心样本协方差阵,其中一些甚至假定类高斯矩条件。事实上,还有另外两种最常用的样本协方差阵:MLE(通过从每个样本向量中减去样本均值向量)和无偏样本协方差矩阵(通过将分母$n$更改为MLE中的$N=n-1$),而不依赖于未知的总体均值向量。本文通过建立{ \em替换原理},不仅建立了无类高斯矩条件的非中心样本协方差阵的新的CLT,而且刻画了三类高维样本协方差阵的CLT之间不可忽略的差异:替换{ \em调整后}样本量$N=n-1$,用于新CLT的主中心项中的实际样本量$n$,以获得无偏样本协方差阵的CLT.此外,它被发现之间的CLT的最大似然估计和无偏样本协方差矩阵的差异是不可忽略的主要中心项,虽然这两个样本协方差阵只有差异$n$和$n-1$的支配者。新的结果被应用到两个测试问题的高维数据。
2014-04-26 stat.ME
Online Covariance Estimation in Nonsmooth Stochastic Approximation
H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology(H. Milton Stewart工业与系统工程学院,佐治亚理工学院);Department of Statistics, Texas A&M University(统计学系,德克萨斯大学安德森分校);Department of Statistics, University of California, Davis(统计学系,加州大学戴维斯分校);Wharton Department of Statistics and Data Science, University of Pennsylvania(沃顿统计与数据科学系,宾夕法尼亚大学);Department of Mathematics, University of Washington(数学系,华盛顿大学)
本文研究非光滑且可能非凸变分包含问题中SA方法极限协方差矩阵的在线估计,证明其收敛速率与光滑强凸情况相当,支持渐近统计推断。
2025-08-12 cs.LG math.OC stat.ML
Linear spectral statistics of eigenvectors of anisotropic sample covariance matrices
本文研究各向异性样本协方差矩阵的特征向量经验谱分布,证明其线性谱统计在全局与局部尺度上的泛函中心极限定理,并首次给出极限 Gaussian 过程协方差对协方差矩阵和方向向量的显式依赖。
2023-06-08 math.PR math.ST stat.TH
On Eigenvector Statistics of Large-Dimensional Sample Covariance Matrices with Applications
Shanghai University of Finance and Economics(上海财经大学);Southern University of Science and Technology(南方科技大学);Fudan University(复旦大学)
该研究针对大维样本协方差矩阵的特征向量加权谱统计建立联合中心极限定理,将其应用于最小范数预测风险方差分量及固定旋转不变协方差估计量的Frobenius损失分析,得到损失相关量的显式公式。
2026-10-12 math.ST stat.TH
The Geometry of Spectral Fluctuations: On Near-Optimal Conditions for Universal Gaussian CLTs, with Statistical Applications
School of Statistics and Data Science, Nanjing Audit University(南京审计大学统计与数据科学学院);Department of Statistics and Data Science, National University of Singapore(新加坡国立大学统计与数据科学系)
本文研究高维样本协方差矩阵的线性谱统计量,在经验谱分布仍由经典样本协方差定律支配但波动理论非经典的情况下,提出GHOST框架,证明了线性谱统计量的高斯极限定理,并应用于球性检验。
2026-05-12 math.ST stat.TH
Bootstrap confidence sets for spectral projectors of sample covariance
设$X_{1},\ldots,X_{n}$为i.i.d.。样本在$\mathbb{R}^{p}$中,均值为零,协方差矩阵为$\mathbfΣ$。在许多应用中,从这些观测中自然会出现将投影仪恢复到$\mathbfΣ$的本征空间上的问题。来自[Koltchinskii,Lounici,2015]的最新技术有助于研究在第$r$个特征值的子空间上的真实投影器$\mathbf{P}_r$与其经验对应物$\widehat{\mathbf{P}}_r$之间的Frobenius范数$\| \mathbf{P}_r - \widehat{\mathbf{P}}_r \|_{2}$中距离的渐近分布,其根据$\mathbfΣ$的有效秩。本文提供了一个自举过程,从给定的数据建立真正的投影机$\mathbf{P}_r$尖锐的信心集。该方法不依赖于$\| \mathbf{P}_r - \widehat{\mathbf{P}}_r \|_{2}$及其矩的渐近分布。适用于小样本量或中等样本量的$n$和大样本量的$p$。主要结果表明,所提出的方法的有效性有限样本的显式误差界的自助逼近的错误。这个界涉及到高维空间中高斯比较和高斯反集中的一些新的尖锐结果。数值结果证实了良好的性能的方法在现实的例子。
2017-03-02 math.PR math.ST stat.TH
Semiparametric estimation of spectral density function for irregular spatial data
空间过程协方差结构的估计在空间统计学中具有重要意义。在文献中,几个非参数和半参数的方法已经发展到估计的协方差结构的基础上的频谱表示的协方差函数。然而,他们要么忽略了频谱密度的高频特性,这是必不可少的,以确定性能的插值程序,如克里格,或缺乏理论依据。提出了一种新的半参数方法来估计各向同性空间过程的谱密度。在低频率的谱密度函数估计使用平滑样条,而在高频率的谱密度的参数模型,和参数估计的方法的时刻的方法的基础上的经验变异函数在小滞后。我们推导出所提出的估计的偏差和方差的渐近界。仿真研究表明,我们的方法优于现有的非参数估计的几个性能标准。
2015-08-27 stat.ME
A Lanczos-Based Algorithmic Approach for Spike Detection in Large Sample Covariance Matrices
University of Washington(华盛顿大学);University of California, Davis(加州大学戴维斯分校)
本文提出基于兰茨算法的高效方法,用于估计大型样本协方差矩阵中的尖峰数量,具有更高的计算效率和鲁棒性。
2025-12-29 math.PR math.ST stat.CO
Inference of Online Newton Methods with Nesterov's Accelerated Sketching
School of Industrial and Systems Engineering, Georgia Institute of Technology(工业与系统工程系,佐治亚理工学院)
针对在线牛顿方法推断计算成本高的问题,提出结合Hessian平均与Nesterov加速草图投影求解器的方法,在保持一阶方法$O(d^2)$复杂度下实现二阶方法的鲁棒性,并建立了全局收敛性、渐近正态性和在线协方差估计器。
2026-05-29 cs.LG math.OC stat.CO
Semiparametric Estimation of Cross-covariance Functions for Multivariate Random Fields
空间参考多变量数据的流行促使研究人员开发一个多个空间过程的联合建模过程。这通常涉及使用多变量空间协方差函数对任意位置对的边际和跨进程依赖性进行建模。然而,构建非负定的灵活的多变量空间协方差函数具有挑战性。在这里,我们提出了一个半参数的方法来估计多变量空间协方差函数的近似Matérn边缘和高度灵活的交叉协方差函数,通过他们的谱表示。我们的交叉协方差函数中的灵活性是由于底层相干函数的基于B样条的规范而产生的,这反过来又允许我们捕获非平凡的交叉谱特征。然后,我们开发了一个基于似然的估计过程,并进行了多次仿真研究,以证明我们的方法的性能,特别是在相干函数估计。最后,我们分析了颗粒物浓度($\text{PM}_{2.5}$)和风速数据在美国东北部地区,在那里我们说明了我们提出的方法优于常用的全双变量Matérn模型和线性模型的空间预测的协区域化。
2019-11-06 stat.AP stat.ME
Inference for Newton Methods with Accelerated Sketch-and-Project via Random Scaling
Georgia Institute of Technology(佐治亚理工学院);Princeton University(普林斯顿大学);University of Michigan(密歇根大学)
本研究提出一种基于广义加速草图投影求解器的在线牛顿方法,建立其平均迭代的渐近正态性与函数中心极限定理,并开发基于随机缩放的在线推断程序,数值实验验证了其优越性能。
2026-09-14 cs.LG cs.NA math.NA
Online Linear Regression with Paid Stochastic Features
针对观测特征含噪声且可付费降噪声的在线线性回归场景,结合预测误差与付费定义损失,推导得付费-噪声映射已知时遗憾率最优为√T、未知时为T²/³阶,分析利用矩阵鞅集中性验证经验损失收敛性。
2025-11-11 cs.LG stat.ML
Online Learning for Distribution-Free Prediction
我们开发了一个在线学习方法的预测,这是很重要的问题,大和/或流数据集。我们使用协方差拟合方法来制定学习方法,并表明由此产生的预测器具有理想的计算和无分布特性:它是在线实现的,运行时可以线性扩展样本数量;具有恒定的内存需求;避免局部极小值问题;并在不依赖于数据分布的限制性假设的情况下修剪掉冗余的特征维度。结合分裂共形的方法,它也产生分布免费的预测置信区间在计算上有效的方式。该方法被证明在真实和合成数据集。
2017-03-15 cs.LG stat.CO stat.ML
Bootstrap-Calibrated Spectral Divergence Tests for Online Detection of Covariance Matrix Changes
Cumhuriyet University(居米舍特大学);Linköping University(林雪平大学)
本文提出Bootstrap校准的谱散度检验,用于在线检测协方差矩阵变化,控制误报率并证明一致性,在金融数据中验证了有效性。
2026-09-15 math.ST stat.ME stat.TH
Spectral clustering of network time series via the sample covariance matrix
University of California, Los Angeles(加州大学洛杉矶分校);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Imperial College London(帝国理工学院)
本文针对依赖结构由未观测随机块模型决定的多变量时间序列,提出基于样本协方差矩阵的谱聚类方法,实现了潜在社区的精确恢复,其理论扩展了矩阵扰动理论至依赖数据场景。
2026-08-05 math.ST stat.ME stat.TH
A Note on the Limiting Spectral Distribution of a Symmetrized Auto-Cross Covariance Matrix
在Jin等人(2014)中,使用矩阵操作推导了对称化自互协协方差阵的极限谱分布(LSD),并采用有限$(2+δ)$阶矩假设。在这里,我们使用Bai和Silverstein(2010)中的结果给出了另一种方法,其中假设了有限二阶矩的较弱条件。
2014-03-11 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
Finite sample Bernstein-von Mises theorems for functionals and spectral projectors of the covariance matrix
我们证明了先验对协方差阵的后验分布的影响随着样本量的增长而消失。先验假设是明确和温和的。结果对有限样本有效,并承认维数$p$随样本量$n$而增长。我们利用所描述的事实,推导出有限样本Bernstein-von Mises定理的协方差阵(例如特征值)的泛函,并找到后验分布的Frobenius距离之间的光谱投影仪和经验光谱投影仪。这对于构造函数的真实值或真实光谱投影仪的尖锐置信集是有用的。
2019-06-26 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
Online Covariance Estimation in Averaged SGD: Improved Batch-Mean Rates and Minimax Optimality via Trajectory Regression
H. Milton Stewart School of Industrial;Systems Engineering, Georgia Institute of Technology e1,e2
本文研究了Polyak-Ruppert平均随机梯度下降的在线协方差矩阵估计,改进了批量均值收敛速率并实现了最小最大最优性,通过轨迹回归方法分解误差并建立下限。
2026-04-12 cs.LG math.ST stat.TH
The Gauss Hypergeometric Covariance Kernel for Modeling Second-Order Stationary Random Fields in Euclidean Spaces: its Compact Support, Properties and Spectral Representation
本文提出了一个紧正半定核的参数族,旨在模拟定义在$d$维欧几里得空间中的二阶平稳各向同性随机场的协方差结构。协方差和它的谱密度都有一个解析表达式,分别涉及超几何函数${}_2F_1$和${}_1F_2$,以及与协方差的相关范围,光滑度和形状有关的四个实值参数。所提出的超几何核家庭包含,作为特殊情况下,球形,立方,五,Askey,广义Wendland和截断功率协方差,并作为渐近的情况下,Matérn,Laguerre,Tricomi,不完全伽马和高斯协方差,等等。的参数空间的单变量超几何内核的确定和其功能特性-连续性,平滑性,传递放大(montée)和缩小(decente)-进行了检查。几组充分条件也推导出获得有效的平稳二元和多元协方差核,其特征在于由四个矩阵值参数。这样的内核是通用的,只要直接和互协方差不一定具有相同的形状,相关范围或行为在短尺度,从而与矢量随机场,其组件是互相关的,但具有不同的空间结构。
2021-01-23 math.ST stat.TH
Structural break analysis in high-dimensional covariance structure
我们考虑高维随机数据协方差结构中突变的检测和定位。本文提出了一种新的测试程序,这个问题。由于其性质,该方法需要适当选择临界水平。在这方面,我们提出了一个纯粹的数据驱动的校准方案。该方法可以直接用于在线设置,并且基本上是多尺度的,允许在灵敏度和变点定位(在线设置中,检测的延迟)之间进行权衡。该算法的描述之后是一个正式的理论研究证明所提出的校准计划下温和的假设和提供的中断检测的准确性。所有的理论结果都是在一个高维的设置(维数$p >> n$)。这些结果得到了受真实世界金融数据启发的模拟研究的支持。
2019-07-14 math.ST stat.TH
Weak convergence of the empirical spectral distribution of ultra-high-dimensional banded sample covariance matrices
本文研究了高维带状样本协方差阵,在样本量$n$,维数$p$和带宽$d$同时趋于无穷大的情况下,使得$$n/p\to 0 \ \ \text{and} \ \ 2d/n\to y>0.$$.结果表明,这些矩阵的经验谱分布几乎必然弱收敛于某个确定性的概率测度,该测度由其矩表征.自然数的某些限制组合在经验谱分布的期望矩的估计中起着至关重要的作用。
2015-08-26 math.PR math.ST stat.TH
Convergence of covariance and spectral density estimates for high-dimensional functional time series
Tsinghua University(清华大学);The University of Hong Kong(香港大学)
本文提出了一种非渐近集中界方法,用于高维非高斯函数时间序列中协方差和谱密度估计的收敛性分析,并通过两个应用验证其有效性。
2025-12-15 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
Online covariance estimation for stochastic gradient descent under Markovian sampling
University of California San Diego(加州大学圣迭戈分校);University of California, Davis(加州大学戴维斯分校)
该研究针对马尔可夫采样下的SGD提出在线重叠批均值协方差估计器,推导了匹配i.i.d场景最优水平的收敛速度,还得到SGD误差矩的相关结果,并通过数值实验和策略分类应用验证了方法的有效性。
2023-11-05 cs.LG math.OC math.ST
Bias-Free Estimation of the Auto- and Cross-Covariance and the Corresponding Power Spectral Densities from Gappy Data
针对含随机异常值和相关缺口的平稳均匀采样数据,提出仅平均有效样本且不插值的非参数无偏协方差与功率谱密度估计方法。
2023-04-27 eess.SP math.ST stat.TH
Convergence rates of eigenvector empirical spectral distribution of large dimensional sample covariance matrix
采用特征向量经验谱分布(VESD)研究协方差矩阵特征向量和特征值的极限行为。本文证明了样本协方差阵的期望VESD与Marčenko-Pastur分布函数之间的Kolmogorov距离是$O(N^{-1/2})$阶的。假设数据维度$n$与样本量$N$之比介于0和1之间,则在基础分布的有限10阶矩条件下建立该收敛速度。它还表明,对于任何固定的$η>0$,VESD的收敛速度是$O(N^{-1/4})$的概率和$O(N^{-1/4+η})$几乎肯定,需要有限的8阶矩的基础分布。
2013-11-22 math.ST stat.TH
Limiting spectral distribution of large dimensional Spearman's rank correlation matrices
本文在观测值为独立同分布随机向量且特征相关的假设下,研究了Spearman秩相关阵的经验谱分布。我们证明了极限谱分布是广义Marucenko-Pastur定律,其标准化变换后的观测值具有协方差阵。利用这些结果,我们比较了几种经典的协方差/相关阵,包括样本协方差阵,Pearson的相关阵,Kendall的相关阵和Spearman的相关阵。
2022-05-28 math.ST stat.TH
Bias-Corrected Multiplier Bootstrap Inference for Spectral Edges of Large Covariance Matrices
University of California, Davis(加州大学戴维斯分校)
针对大协方差矩阵谱边缘推断难题,提出偏差校正乘子自助程序,通过校准乘子扰动构建置信区间并校正偏移,证明其渐近有效性,能产生无阈值的尖峰数量估计器及数据驱动的碎石图截止值。
2026-07-31 math.ST stat.ME stat.TH
Spectral analysis of high-dimensional sample covariance matrices with missing observations
本文研究了具有缺失坐标的独立随机向量的高维样本协方差阵。在现代应用中,如气候研究或基因表达微阵列,缺失观测的存在是常见的。在“大尺寸$d$和大样本容量$n$“渐近谱分布的弱近似导出可能不同的观测概率的坐标。的光谱分布原来是强烈的影响失踪机制。在随机缺失场景下的零情况下,其中每个分量以相同的概率$p$被观察到,极限谱分布是向左移动$(1-p)/p$的马琴科-帕斯托尔定律。作为$d/n\rightarrow y< 1$,证明了极值特征值几乎处处收敛于极限谱分布支集的相应边界点,并以$y$和$p$的形式明确给出.最后,如果$p$大于$$ 1-\left(1-\sqrt{y}\right)^2, $$,则样本协方差阵是正定的,而如果$p$小于该量,则不再是正定的。
2016-02-29 math.PR math.ST stat.TH