On the distribution of the largest eigenvalue in principal components analysis
主成分分析中最大特征值的分布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：摘要研究高维主成分与 Wishart 最大特征值，未给出宏观或金融因子模型的直接证据。
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
主成分分析中最大特征值的分布
- 研究问题
- 当独立标准高斯数据矩阵的样本量与变量维度同比增长时，其样本协方差矩阵最大特征值具有怎样的极限分布？
- 方法与思路
- 作者借助随机矩阵理论及复 Wishart 矩阵的对应结果，研究最大特征值经中心化和尺度调整后的高维极限。
- 材料陈述的贡献
- 摘要称标准化最大特征值趋于一阶 Tracy–Widom 分布，且模拟显示近似对较小维度已有信息价值；这仍是摘要所述结果。
- 阅读关注点
- 应核对中心化与尺度常数的原始公式、维度比的极限条件、由复矩阵转至实矩阵的论证，以及小样本近似的评价标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；尺度公式括号及幂次不清，须查原 PDF，不能据此重构公式或计算临界值。
原文摘要
Let x(1) denote the square of the largest singular value of an n × p matrix X, all of whose entries are independent standard Gaussian variates. Equivalently, x(1) is the largest principal component variance of the covariance matrix $X'X$, or the largest eigenvalue of a pvariate Wishart distribution on n degrees of freedom with identity covariance. Consider the limit of large p and n with $n/p = \gamma \ge 1$. When centered by $\mu_p = (\sqrt{n-1} + \sqrt{p})^2$ and scaled by $\sigma_p = (\sqrt{n-1} + \sqrt{p})(1/\sqrt{n-1} + 1/\sqrt{p}^{1/3}$, the distribution of x(1) approaches the Tracey-Widom law of order 1, which is defined in terms of the Painlevé II differential equation and can be numerically evaluated and tabulated in software. Simulations show the approximation to be informative for n and p as small as 5. The limit is derived via a corresponding result for complex Wishart matrices using methods from random matrix theory. The result suggests that some aspects of large p multivariate distribution theory may be easier to apply in practice than their fixed p counterparts.