Covariance Hypotheses Which are Linear in Both the Covariance and the Inverse Covariance
对协方差及其逆矩阵均为线性的协方差假设AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般协方差模型的代数结构与分布理论，未提供因子模型或其他所列方向的依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
对协方差及其逆矩阵均为线性的协方差假设
- 研究问题
- 同时对协方差矩阵及其逆矩阵呈线性的假设具有怎样的模型结构，相关模型的估计量和检验统计量分布能否精确确定？
- 方法与思路
- 作者通过实数、复数、四元数结构及 Clifford 代数参数化刻画模型分解，并在正态假设下分析后一类模型的精确分布。
- 材料陈述的贡献
- 摘要称证明这类假设可分解为两类模型的乘积，并为 Clifford 代数类模型得到最大似然估计及似然比统计量的精确分布。
- 阅读关注点
- 应核对两种线性限制的定义、模型乘积分解的含义，以及正态假设下精确分布结论适用于哪类参数化与统计量。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；代数条件和分布公式未提供，正态条件下的结论不能直接推广到非正态情形。
原文摘要
It is proved in this paper that covariance hypotheses which are linear in both the covariance and the inverse covariance are products of models each of which consists of either (i) independent identically distributed random vectors which have a covariance with a real, complex or quaternion structure or (ii) independent identically distributed random vectors with a parametrization of the covariance which is given by means of the Clifford algebra. The models (i) are well known. For models (ii) we have found, under the assumption that the distribution is normal, the exact distributions of the maximum likelihood estimates and the likelihood ratio test statistics.