Examkin

Question

Difficulty: MediumÇok Değişkenli Normal Dağılımda Bağımsızlık

Bir veri analizi çalışmasında, rr boyutlu Y1\mathbf{Y}_1 ve ss boyutlu Y2\mathbf{Y}_2 rasgele vektörleri ele alınmaktadır. Bu vektörlere ait çapraz kovaryans matrisinin Σ12=0\boldsymbol{\Sigma}_{12} = \mathbf{0} olduğu tespit edilmiştir.

Sıfır kovaryans durumunun aynı zamanda bu iki vektör arasındaki istatistiksel bağımsızlığı da kesin olarak ifade edebilmesi için aşağıdakilerden hangisinin sağlanması zorunludur?

  1. A
    Çapraz kovaryans matrisinin izinin (trace) ve determinantının eşzamanlı olarak sıfıra eşit olması
  2. B
    Y1\mathbf{Y}_1 ve Y2\mathbf{Y}_2'nin marjinal varyans-kovaryans matrislerinin, Σ11Σ22=Σ22Σ11\boldsymbol{\Sigma}_{11}\boldsymbol{\Sigma}_{22} = \boldsymbol{\Sigma}_{22}\boldsymbol{\Sigma}_{11} eşitliği ile değişme özelliğini göstermesi
  3. Y1\mathbf{Y}_1 ve Y2\mathbf{Y}_2 alt vektörlerinden oluşan Y=[Y1T,Y2T]T\mathbf{Y} = [\mathbf{Y}_1^T, \mathbf{Y}_2^T]^T ortak vektörünün çok değişkenli normal dağılıma sahip olmasıAnswer
  4. D
    Y1\mathbf{Y}_1 ve Y2\mathbf{Y}_2 alt vektörlerinin her birinin ayrı ayrı (marjinal olarak) çok değişkenli normal dağılıma uyması
  5. E
    Y1\mathbf{Y}_1'in Y2\mathbf{Y}_2 bilindiğindeki koşullu beklenen değer vektörünün, Y1\mathbf{Y}_1'in marjinal beklenen değer vektöründen farklı olması

Answer

Y1\mathbf{Y}_1 ve Y2\mathbf{Y}_2 alt vektörlerinden oluşan Y=[Y1T,Y2T]T\mathbf{Y} = [\mathbf{Y}_1^T, \mathbf{Y}_2^T]^T ortak vektörünün çok değişkenli normal dağılıma sahip olması gerekliliği, sıfır kovaryansın bağımsızlığı ifade etmesi için aranan doğru koşuldur.
İstatistiksel teoride, parçalanmış Y1\mathbf{Y}_1 ve Y2\mathbf{Y}_2 vektörleri arasındaki çapraz kovaryansın (Σ12\boldsymbol{\Sigma}_{12}) sıfır olması yalnızca doğrusal bir ilişkinin olmadığını gösterir. Bu durumun tam bağımsızlığı kesin olarak sağlaması için, birleştirilmiş Y\mathbf{Y} vektörünün ortak (joint) çok değişkenli normal dağılıma sahip olması matematiksel bir gerekliliktir. Ortak normallik altında yoğunluk fonksiyonu iki marjinal dağılımın çarpımı olarak ayrışabilir.

Step-by-Step Solution

1
Çapraz kovaryans matrisi Σ12=0\boldsymbol{\Sigma}_{12} = \mathbf{0} eşitliğinin anlamını değerlendir.
İki rasgele vektör arasındaki çapraz kovaryansın sıfır olması, aralarında doğrusal bir ilişkinin (korelasyonun) bulunmadığını gösterir.
Kovaryans, değişkenler arasındaki doğrusal ilişkinin bir ölçüsüdür.
2
Doğrusal ilişkisizlik ile istatistiksel bağımsızlık arasındaki teorik farkı incele.
Genel ihtimal teorisinde doğrusal olarak ilişkisiz olmak, her zaman tam bağımsız olmak anlamına gelmez. Bağımlılık doğrusal olmayan biçimlerde de var olabilir.
Sıfır kovaryansın bağımsızlık ifade etmesi için belirli bir dağılımsal yapıya (aileye) ihtiyaç vardır.
3
Çok değişkenli normal dağılımın temel özelliklerini uygula.
Eğer rasgele vektörler birleşik (ortak) olarak çok değişkenli normal dağılıma sahipse, aralarındaki sıfır kovaryans doğrudan istatistiksel bağımsızlığa denktir.
Çok değişkenli normal dağılımın yoğunluk fonksiyonu, kovaryans matrisi blok köşegen (Σ12=0\boldsymbol{\Sigma}_{12}=\mathbf{0}) olduğunda marjinal yoğunluk fonksiyonlarının çarpımı şeklinde ayrıştırılabilir.
4
Marjinal normallik yanılgısını kontrol et.
Sadece alt vektörlerin ayrı ayrı (marjinal olarak) normal dağılması, ortak dağılımın çok değişkenli normal olmasını garantilemez. Bu nedenle ortak normallik şarttır.
Ortak normallik varsayımı olmadan sıfır kovaryans bağımsızlığı ispatlamaz.

Key Concept

Çok değişkenli normal dağılımda, ilgisizliğin (sıfır kovaryans) bağımsızlığa denk olması için parçalanmış vektörlerin birleşik (ortak) dağılımının çok değişkenli normal olması gerekliliği.
Rate this question

Topics

Çok Değişkenli Normal Dağılımda Bağımsızlık

More questions from this topic