Positive Dependence of the Roots of a Wishart Matrix
Wishart 矩阵特征根的正相依性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：摘要属于随机矩阵与多元统计的通用理论，未涉及具体因子、资产或其他所列经济学模型。
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
Wishart 矩阵特征根的正相依性
- 研究问题
- Wishart 矩阵及由两个独立 Wishart 矩阵构成的特定矩阵变换，其特征根之间具有哪些正相依关系，能否用于同时区间推断？
- 方法与思路
- 作者研究单位协方差 Wishart 矩阵的特征根，以及两个独立、同协方差 Wishart 矩阵所构成的两类矩阵变换的特征根。
- 材料陈述的贡献
- 摘要称，证明正象限相依、关联性、序列随机递增与正似然比相依四类性质，并给出利用这些性质构造同时置信区间的例子。
- 阅读关注点
- 应核对特征根的排列约定、各类正相依的定义、不同矩阵情形的条件，以及同时置信区间例子如何使用这些性质。
- 阅读边界
- 仅据版本未注明的索引摘要，不能将结果推广至任意协方差结构或随机矩阵；摘要未说明区间构造细节及其覆盖保证。
原文摘要
It is shown that the characteristic roots of a Wishart matrix (identity covariance matrix) and the roots of $S_1 S_2^{-1}$ and $S_1(S_1 + S_2)^{-1}$ where $S_1, S_2$ are independent $p \times p$ Wishart matrices with the same covariance matrix, satisfy certain types of dependency relationships. That is, it is shown that these roots are (a) positive orthant dependent, (b) associated, (c) stochastically increasing in sequence, and (d) positively likelihood ratio dependent. An example of how this may be used in obtaining simultaneous confidence intervals is also included.