Inference for eigenvalues and eigenvectors of Gaussian symmetric matrices
高斯对称矩阵特征值与特征向量的推断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：摘要应用于扩散张量成像和宇宙背景辐射，未提供宏观或金融因子等给定方向的依据。
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…
高斯对称矩阵特征值与特征向量的推断
- 研究问题
- 对于来自一个或两个总体的独立高斯对称矩阵样本，如何估计并检验特征值和特征向量，协方差结构何时影响均值估计？
- 方法与思路
- 作者在仿射子空间、正交变换不变子流形和多面体凸锥等参数集合上研究最大似然估计与似然比检验，并分析协方差的正交不变性。
- 材料陈述的贡献
- 摘要称在所研究的集合类别中，均值估计不依赖协方差参数当且仅当协方差结构正交不变，并在该结构下导出估计量和似然比的闭式表达。
- 阅读关注点
- 应核对高斯对称矩阵模型、独立重复样本设定、参数集合限制，以及协方差不变性等价结论和闭式检验统计量的适用条件。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要。摘要未说明所有检验的参考分布和有限样本性质，不能将集合限定的等价结论视为普遍结果。
原文摘要
This article presents maximum likelihood estimators (MLEs) and log-likelihood ratio (LLR) tests for the eigenvalues and eigenvectors of Gaussian random symmetric matrices of arbitrary dimension, where the observations are independent repeated samples from one or two populations. These inference problems are relevant in the analysis of diffusion tensor imaging data and polarized cosmic background radiation data, where the observations are, respectively, 3×3 and 2×2 symmetric positive definite matrices. The parameter sets involved in the inference problems for eigenvalues and eigenvectors are subsets of Euclidean space that are either affine subspaces, embedded submanifolds that are invariant under orthogonal transformations or polyhedral convex cones. We show that for a class of sets that includes the ones considered in this paper, the MLEs of the mean parameter do not depend on the covariance parameters if and only if the covariance structure is orthogonally invariant. Closed-form expressions for the MLEs and the associated LLRs are derived for this covariance structure.