大维样本协方差矩阵的线性谱统计量的中间极限定理.pdfVIP

摘 要 近二、三十年来，随着现代科技的发展和大型并行计算机的出现，尤其是Linux微机机 群的出现和普及，人们开始对大维海越数据的大规模科学工程计算越来越感兴趣．对于大维 海量数据，为了揭示关键变量的内部关系，人们自然想利用参数或非参数回归分析和典型相关 分析：为了探索和预报数据的时空变化情况，同时也会采用时间序列分析及神经网络手法；另 外，为了减小计算机时及内存消耗，在最短时间内完成海量数据可视化，也会用到主成份分析 和因子分析．然而，在处理大维数据时，许多经典的统计方法都不适用了，有的甚至会导致严 重的误差．我们应该发展和运用新的方法来处理大维数据相关问题j如中长期天气预报、航探 数据可视化、地震数据处理、航天飞行器数值化等． 以上诸多方面在做估计和假设检验过程中，无不用到大维随机矩阵的处理，尤其是大维样 本协方差矩阵的相关性质?因为多元分析中许多重要的统计量都可以表示成样本协方差矩阵 的函数．但是由于经典的大样本理论都是假定维数很小是固定的，故而经典极限理论并不适宜 解决大维随机数据问题，很多多元问题的模型参数估计、模型检验的统计量已有的结果对大维 海萱数据并不能平凡推广．因此大维随机矩阵理论，尤其协方差矩阵相关性质的研究就成为 非常重要且迫切需要解决的课题． 在大维海量数据处理中，大维随机矩阵的谱分析非常关键也很重要．在找到大维随机矩 阵经验谱分布瓦(z)的极限谱分布F(x)后，相应的线性谱统计量J’f(x)dF．(z)的极限形 式可以容易得到，为了更进一步的统计推断，求出大维随机矩阵线性谱统计量的极限分布是非 常关键的． 关于经验谱分布收敛到极限谱分布的收敛速度问题，一般的猜想是D(n．1)．如果真是 这样，我们考虑经验过程G。(z)=礼[R(z)一F(z)]的渐近性质似乎是自然的．但不幸的 是，大量证据显示经验过程G。(z)在任何度量空间中都不收敛．自然，遇一步地，我们转向寻 找经验过程G。(z)的线性谱统计量G。(，)=ff(x)dGn(z)的极限分布．本文主要运用 Bernstein多项式逼近、Sticltjes变换方法以及鞅的中心极限定理等手法．在适当的矩条件 下，当核函数f(x)属于C4时，我们证明了大维随机协方差矩阵的线性谱统计量的中心极限 定理．基于这类谱统计量的极限分布：我们可以做更有效的统计推断，如假设检验、构造置信 I 区间。置信区域等．具我们结果中核函数的限制的改进准则，可以对大维样本协方差矩阵的经 验谱分布的渐近性质有一个更进一步的理解． 关键词：大维随机矩阵；大维海量数据：样本协方差矩阵；经验谱分布；线性谱 统计量；经验谱过程． Abstract modernscience Inlasttwoorthreedecades，withthe ofthe rapiddevelopment and andmorescientistsare to dimensional technology,more facinganalyzelarge on and andmassive andinferences science data，calculations large—scale engineer- massivedata theinterior of data， ing．Forlarge-scale sets，toanalyze relationship or