Distancias de Mahalanobis de alta dimensión de vectores aleatorios complejos
Autores: Dai, Deliang; Liang, Yuli
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Distancias de Mahalanobis de alta dimensión de vectores aleatorios complejos
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Investigar
Distribuciones asintóticas
Distancia de Mahalanobis
Vectores aleatorios
Tamaño de la muestra
Dimensión.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
En este artículo, investigamos las distribuciones asintóticas de dos tipos de distancia de Mahalanobis (MD): MD de dejar uno fuera y MD clásico con vectores aleatorios complejos distribuidos tanto de forma gaussiana como no gaussiana, cuando el tamaño de la muestra y la dimensión de las variables aumentan bajo una proporción fija. Investigamos las propiedades de distribución de MD complejo cuando las muestras aleatorias son independientes, pero no necesariamente idénticamente distribuidas. Algunos resultados sobre la matriz F, el producto de una matriz de covarianza de muestra (de la matriz de variables independientes) con la inversa de otra matriz de covarianza (de la matriz de variables independientes), se utilizan para desarrollar las distribuciones asintóticas de las MD. Generalizamos los resultados de la matriz F de modo que no se requiere la independencia entre los dos componentes y de la matriz F.
Descripción
En este artículo, investigamos las distribuciones asintóticas de dos tipos de distancia de Mahalanobis (MD): MD de dejar uno fuera y MD clásico con vectores aleatorios complejos distribuidos tanto de forma gaussiana como no gaussiana, cuando el tamaño de la muestra y la dimensión de las variables aumentan bajo una proporción fija. Investigamos las propiedades de distribución de MD complejo cuando las muestras aleatorias son independientes, pero no necesariamente idénticamente distribuidas. Algunos resultados sobre la matriz F, el producto de una matriz de covarianza de muestra (de la matriz de variables independientes) con la inversa de otra matriz de covarianza (de la matriz de variables independientes), se utilizan para desarrollar las distribuciones asintóticas de las MD. Generalizamos los resultados de la matriz F de modo que no se requiere la independencia entre los dos componentes y de la matriz F.