Asymptotic Representations of the Densities of Canonical Correlations and Latent Roots in MANOVA When the Population Parameters Have Arbitrary Multiplicity
总体参数具有任意重数时典型相关与MANOVA特征根密度的渐近表示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：摘要研究多元正态样本下的典型相关与MANOVA密度渐近理论，未明确连接所列微观、宏观或金融细分问题。
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
总体参数具有任意重数时典型相关与MANOVA特征根密度的渐近表示
- 研究问题
- 当总体典型相关或非中心参数的特征根允许任意重数时，如何描述典型相关及MANOVA特征根的联合密度？
- 方法与思路
- 作者通过展开联合密度中的超几何函数，分别在大样本及第二个自由度增大的设定下推导密度的渐近表示。
- 材料陈述的贡献
- 摘要称结果允许总体典型相关取任意值，并处理非中心矩阵按指定方式随自由度增长时的任意特征根情形。
- 阅读关注点
- 应核对重根处理、两类渐近设定的区别、非中心参数的缩放要求，以及展开余项和近似有效范围的具体规定。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；误差阶、一致性范围及有限样本准确度未说明，不能外推至其他渐近设定。
原文摘要
Asymptotic representations of the joint densities of the canonical correlation coefficients, calculated from a sample from a multivariate normal population, and of the latent roots of $B(B + W)^{-1},$ where $B$ is $W_p(n_1, \Sigma, \Omega)$ and $W$ is $W_p(n_2, \Sigma),$ are obtained by deriving asymptotic representations of the hypergeometric functions in the joint densities. The results hold in the first case for large sample size and arbitrary values of the population canonical correlations and in the second case for large $n_2$ and $\Omega = n_2\Theta,$ where the latent roots of the noncentrality matrix $\Omega$ are arbitrary.