In this paper, we study the largest eigenvalues of sample covariance matrices with elliptically distributed data. We consider the sample covariance matrix $Q=YY^*,$ where the data matrix $Y \in \mathbb{R}^{p \times n}$ contains i.i.d. $p$-dimensional observations $\mathbf{y}_i=\xi_iT\mathbf{u}_i,\;i=1,\dots,n.$ Here $\mathbf{u}_i$ is distributed on the unit sphere, $\xi_i \sim \xi$ is independent of $\mathbf{u}_i$ and $T^*T=\Sigma$ is some deterministic matrix. Under some mild regularity assumptions of $\Sigma,$ assuming $\xi^2$ has bounded support and certain proper behavior near its edge so that the limiting spectral distribution (LSD) of $Q$ has a square decay behavior near the spectral edge, we prove that the Tracy-Widom law holds for the largest eigenvalues of $Q$ when $p$ and $n$ are comparably large.


翻译:椭球模型边缘特征值的Tracy-Widom分布 翻译后的摘要: 本文研究了自变量服从椭圆分布的样本协方差矩阵的最大特征值。我们考虑样本协方差矩阵 $Q=YY^*$ ,其中数据矩阵 $Y \in \mathbb{R}^{p \times n}$ 包含 i.i.d. 的 $p$ 维观测 $\mathbf{y}_i=\xi_iT\mathbf{u}_i,\;i=1,\dots,n$。这里 $\mathbf{u}_i$ 在单位球面上分布,$\xi_i \sim \xi$ 独立于 $\mathbf{u}_i$,且 $T^*T=\Sigma$ 是某个确定矩阵。在 $\Sigma$ 满足某些温和的正则性假设,$\xi^2$ 有有界支撑并且在其边缘处有适当的行为,使得 $Q$ 的极限谱分布(LSD)在其谱边缘附近具有平方衰减特性时,我们证明了当 $p$ 和 $n$ 逐渐增大时,$Q$ 的最大特征值符合 Tracy-Widom 定律。

0
下载
关闭预览

相关内容

在概率论和统计学中,协方差矩阵(也称为自协方差矩阵,色散矩阵,方差矩阵或方差-协方差矩阵)是平方矩阵,给出了给定随机向量的每对元素之间的协方差。 在矩阵对角线中存在方差,即每个元素与其自身的协方差。
专知会员服务
76+阅读 · 2021年3月16日
【文本生成现代方法】Modern Methods for Text Generation
专知会员服务
43+阅读 · 2020年9月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
时序数据异常检测工具/数据集大列表
极市平台
65+阅读 · 2019年2月23日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
动手写机器学习算法:异常检测 Anomaly Detection
七月在线实验室
11+阅读 · 2017年12月8日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Matched Pair Calibration for Ranking Fairness
Arxiv
0+阅读 · 2023年6月6日
Arxiv
0+阅读 · 2023年6月2日
VIP会员
相关VIP内容
专知会员服务
76+阅读 · 2021年3月16日
【文本生成现代方法】Modern Methods for Text Generation
专知会员服务
43+阅读 · 2020年9月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
时序数据异常检测工具/数据集大列表
极市平台
65+阅读 · 2019年2月23日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
动手写机器学习算法:异常检测 Anomaly Detection
七月在线实验室
11+阅读 · 2017年12月8日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员