两个对称协方差矩阵(都具有相同的维数)之间是否有相似度或距离的度量?
我在这里考虑的是两个概率分布的KL散度的类比或矢量之间的欧几里得距离,除了适用于矩阵。我想会有很多相似性度量。
理想情况下,我还要检验两个协方差矩阵相同的零假设。
两个对称协方差矩阵(都具有相同的维数)之间是否有相似度或距离的度量?
我在这里考虑的是两个概率分布的KL散度的类比或矢量之间的欧几里得距离,除了适用于矩阵。我想会有很多相似性度量。
理想情况下,我还要检验两个协方差矩阵相同的零假设。
Answers:
您可以使用任何范数(请参阅Wikipedia上的各种范本;请注意,平方距离之和的平方根为,被称为Frobenius范数,并且不同于大号2范数,这是的最大特征值的平方根(甲-乙)2,虽然当然,他们会生成相同的拓扑)。用相同的装置(称零)和两个特定的协方差矩阵的两个正常分布之间的KL距离也可在维基百科为1。
编辑:如果矩阵之一是模型隐含矩阵,而另一个是样本协方差矩阵,那么您当然可以在两者之间形成似然比检验。我个人最喜欢的此类简单结构测试集在Rencher(2002)多元分析方法中给出。协方差结构建模涵盖了更高级的案例,在此合理的起点是Bollen(1989)带有潜在变量的结构方程。
表示和 Σ 2的矩阵两个维度的p。
编辑:我编辑了两个建议中的第二个。我想我误解了这个问题。基于条件编号的建议在稳健的统计数据中经常用于评估拟合质量。我可以找到的一个古老来源是:
Yohai,VJ和Maronna,RA(1990)。稳健协方差的最大偏差。统计学中的通信–理论与方法,1925年至2933年。
我最初包括Det ratio度量:
- where .
which would be the Bhattacharyya distance between two Gaussian distributions having the same location vector. I must have originally read the question as pertaining to a setting where the two covariances were coming from samples from populations assumed to have equal means.
A measure introduced by Herdin (2005) Correlation Matrix Distance, a Meaningful Measure
for Evaluation of Non-Stationary MIMO Channels is
The covariance matrix distance is used for tracking objects in Computer Vision.
The currently used metric is described in the article: "A metric for covariance matrices", by Förstner and Moonen.