The Non-Singularity of Generalized Sample Covariance Matrices
广义样本协方差矩阵的非奇异性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：摘要提供一般随机矩阵正定性理论，未指向金融协方差、因子模型或其他所列细分方向。
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
广义样本协方差矩阵的非奇异性
- 研究问题
- 独立随机向量与半正定对称权重矩阵所构成的广义协方差矩阵，何时以概率一正定，普通样本协方差又如何？
- 方法与思路
- 作者研究该随机矩阵以概率一正定的充要条件，并将结果应用于特定权重矩阵和独立同分布随机向量的情形。
- 材料陈述的贡献
- 摘要称，给出广义样本协方差矩阵正定性的充要条件，并讨论独立同分布情形下分布落入真仿射子空间的概率。
- 阅读关注点
- 应核对样本量、向量维度、权重矩阵秩和分布支撑条件；摘要末尾协方差公式含不清楚记号，需查阅原PDF。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；末尾公式记号不清且未显式列出样本量限制，不宜重构公式或据此无条件宣称正定。
原文摘要
Let $X = (X_1, \cdots, X_n)$ where the $X_i: p \times 1$ are independent random vectors, and let $A: n \times n$ be positive semi-definite symmetric. This paper establishes necessary and sufficient conditions that the random matrix $XAX'$ be positive definite w.p.1. The results are applied to cases where $A$ has a particular form or $X_1, \cdots, X_n$ are i.i.d. In particular, it is shown that in the i.i.d. case, the sample covariance matrix $\sigma(X_i - \bar{X})(X_i - \bar{X})'$ is positive definite w.p. 1 $\operatorname{iff} P\lbrack X_1 \in F\rbrack = 0$ for every proper flat $F \subset R^p$.