Asymptotic Expansions for the Joint and Marginal Distributions of the Latent Roots of the Covariance Matrix
协方差矩阵特征根联合与边际分布的渐近展开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：摘要讨论 Wishart 矩阵特征根的一般分布理论，未明确建立因子模型或金融协方差应用的联系。
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
协方差矩阵特征根联合与边际分布的渐近展开
- 研究问题
- 在 Wishart 分布及总体协方差特征根为单根的条件下，如何进一步近似样本协方差特征根的联合密度与边际分布？
- 方法与思路
- 作者以大样本独立正态极限为基础，用正态密度函数表达联合密度展开至样本量倒数阶，并给出相应边际展开。
- 材料陈述的贡献
- 摘要称论文提供包含样本量倒数阶项的联合密度展开，以及在对应总体特征根为单根时有效的边际分布展开。
- 阅读关注点
- 应核对 Wishart 设定、单根要求及维数的渐近安排，并检查展开余项控制和总体特征根接近重合时的适用边界。
- 阅读边界
- 依据版本未注明的 OpenAlex 摘要；展开系数和误差界未给出，不能将单根条件下的结果推广到重根或高维情形。
原文摘要
Let nS be an $m\times m$ matrix having the Wishart distribution $W_m(n,\Sigma)$. For large n and simple latent roots of $\Sigma$, it is known that the latent roots of S are asymptotically independently normal. In this paper an expansion, up to and including the terms of order $n^-1$, is given for the joint density function of the roots of S in terms of normal density functions. Expansions for the marginal distributions of the roots are also given, valid when the corresponding roots of $\Sigma$ are simple.