有三个随机变量。三个变量之间的三个相关性是相同的。那是,
您可以为给出的最严格限制是什么?
有三个随机变量。三个变量之间的三个相关性是相同的。那是,
您可以为给出的最严格限制是什么?
Answers:
公共相关可以具有值但不能具有。如果,那么不能等于但实际上是。三个随机变量的公共相关性的最小值是。更一般地,当随机变量的最小公共相关性是 向量时,它们位于维空间中(维)单纯形的顶点,则其最小公共相关性是。
考虑单位方差随机变量之和的 方差。我们有 其中是平均值值的的的相关系数。但是由于,我们很容易从 得到 X i var (n ∑ i = 1 X i ) ˉ ρ
因此,相关系数的平均值 至少为 。如果所有相关系数都具有相同的值,则它们的平均值也等于,因此我们有 是否可以具有公共相关值等于随机变量?是。假设是不相关的 单位方差随机变量,并设置 。然后,,而 ρρρ≥-1ρ-1
最严格的界限是。 所有这些值实际上都可以出现-没有不可能。
为了表明结果没有什么特别深刻或神秘的问题,此答案首先提出了一个完全基本的解决方案,只需要一个显而易见的事实,即方差(即平方的期望值)必须为非负数。其次是一个通用的解决方案(使用稍微复杂的代数事实)。
的任何线性组合的方差必须为非负数。 令这些变量的方差分别为和。全部都不为零(否则将不会定义某些相关性)。利用方差的基本属性,我们可以计算υ 2
对于所有实数。
假设,一点代数运算就意味着这等于
右边的平方项是的两个幂均值的比率。所述初级功率均值不等式(与重量)声称,比不能超过(和将等于时)。然后再代数(1 / 3 ,1 / 3 ,1 / 3 )1 1 α = β = γ ≠ 0
下面的的显式示例(涉及变量正态变量)显示,所有这样的值实际上确实是作为相关出现的。本示例仅使用多元法线的定义,否则不调用微积分或线性代数的结果。(X ,ÿ ,Ž )- 1 / 2 ≤ ρ ≤ 1
任何相关矩阵都是标准化随机变量的协方差矩阵,因此与所有相关矩阵一样,它必须是正半定的。等效地,其特征值是非负的。这对施加了一个简单的条件:它不得小于(当然不能超过)。相反,任何这样的实际上都对应于某些三变量分布的相关矩阵,证明这些界限是最严格的。- 1 / 2 1 ρ
考虑所有非对角线值均等于的 ×相关矩阵(问题涉及的情况但是这种泛化不再难于分析。)我们称其为 根据定义,是的特征值,前提是存在一个非零向量使得ñ ρ 。n = 3 ,C(ρ ,n )。λ X λ
在本例中很容易找到这些特征值,因为
令,计算
令仅在位置带有(对于),计算得出1 Ĵ 个 Ĵ = 2 ,3 ,... ,Ñ
因为到目前为止找到的特征向量跨越了整个维空间(证明:简单的行归约显示了其行列式的绝对值等于,该值非零),所以它们构成了所有特征向量的基础。因此,我们找到了所有特征值,并确定它们是或(后者具有多重)。除了众所周知的不等式满足所有相关性之外,第一特征值的非负性还意味着Ñ 1 + (ñ - 1 )ρ 1 - ρ ñ - 1 - 1 ≤ ρ ≤ 1
而第二特征值的非负性则没有施加新条件。
含义在两个方向上都起作用:假设矩阵是非负定的,因此是有效的相关矩阵。例如,它是多正态分布的相关矩阵。具体来说,写Ç(ρ ,Ñ )
对的逆时 例如,当
让随机变量的向量具有分布函数
其中。例如,当等于
这随机变量的相关矩阵为
密度函数轮廓 从左到右。注意密度如何从集中在平面附近转变为集中在线附近。
和的特殊情况也可以通过简并分布来实现。除了要指出的是,在前一种情况下,可以认为超平面,其中它是均值均值相等的总和-正态分布,而在后一种情况下(完全正相关),它在生成的行上受支持,该行的均值为正态分布。
对该分析的回顾清楚地表明,相关矩阵的等级为,的等级为的(因为只有一个特征向量具有非零本征值)。对于,这将使相关矩阵在任一情况下均退化。否则,它的反证明它是非退化的。n − 1 C(1
当且仅当相关矩阵为正半定值时,才存在成对相关的随机变量,和。仅对会发生这种情况。Ÿ ž ρρ∈[- 1