我想知道是否有人可以指出一些参考文献,这些参考文献讨论逆协方差矩阵(也称为浓度矩阵或精度矩阵)的元素的解释。
我可以访问Cox和Wermuth的Multivariate Dependencies,但是我正在寻找的是对逆矩阵中每个元素的解释。维基百科指出:“精度矩阵的元素具有偏相关和偏方差的解释”,这使我进入了此页面。有没有使用线性回归的解释吗?IE,是协方差还是几何?
我想知道是否有人可以指出一些参考文献,这些参考文献讨论逆协方差矩阵(也称为浓度矩阵或精度矩阵)的元素的解释。
我可以访问Cox和Wermuth的Multivariate Dependencies,但是我正在寻找的是对逆矩阵中每个元素的解释。维基百科指出:“精度矩阵的元素具有偏相关和偏方差的解释”,这使我进入了此页面。有没有使用线性回归的解释吗?IE,是协方差还是几何?
Answers:
我喜欢这个概率图形模型来说明NRH的观点,即当且仅当 X在给定Z的条件下独立于Y时,部分相关为零,并假设所有涉及的变量都是多元高斯(该属性在一般情况下不成立) :
资料来源:第25分钟,David MacKay关于高斯过程基础的演讲。
基于偏相关的解释可能在统计上最有用,因为它适用于所有多元分布。在多元正态分布的特殊情况下,零偏相关对应于条件独立性。
您可以通过使用Schur补码以协方差矩阵的项来获取浓度矩阵项的公式,从而得出这种解释。参见http://en.wikipedia.org/wiki/Schur_complement#Applications_to_probability_theory_and_statistics
协方差矩阵可以表示所有变量之间的关系,而协方差为逆时,元素与邻居之间的关系为鞋(如维基百科所说的部分/成对关系)。
我在这里 24:10 借用以下示例,假设5个质量块连接在一起并用6个弹簧发声,协方差矩阵将包含所有质量块的相关性,如果一个质量对,其他质量也可以对。但是逆协方差矩阵适用于那些由相同弹簧(邻居)连接的质量的关系,它包含许多零,并且不一定是正数。