Question

Difficulty: MediumKaresel Formlar ve Dağılımları

Çok değişkenli istatistiksel analizler yürüten bir araştırmacı, pp boyutlu ve μ=0\boldsymbol{\mu} = \mathbf{0} ortalama vektörüne, Σ\boldsymbol{\Sigma} pozitif tanımlı varyans-kovaryans matrisine sahip X\mathbf{X} rastgele vektörünü incelemektedir.

Araştırmacı, verinin yapısını analiz etmek amacıyla A\mathbf{A} ve B\mathbf{B} simetrik matrislerini kullanarak Q1=XAXQ_1 = \mathbf{X}'\mathbf{A}\mathbf{X} ve Q2=XBXQ_2 = \mathbf{X}'\mathbf{B}\mathbf{X} karesel formlarını oluşturmuştur.

Çalışmanın kuramsal altyapısı gereği, Q1Q_1 istatistiğinin kk serbestlik dereceli ki-kare dağılımına (χk2\chi^2_k) uyması ve aynı zamanda Q2Q_2 istatistiğinden istatistiksel olarak bağımsız olması hedeflenmektedir.

Buna göre, araştırmacının kurguladığı modelde A\mathbf{A} ve B\mathbf{B} matrislerinin aşağıdaki eşitlik sistemlerinden hangisini sağlaması istatistiksel olarak zorunludur?

  1. AΣA=A\mathbf{A}\boldsymbol{\Sigma}\mathbf{A} = \mathbf{A}, iz(AΣ)=k\text{iz}(\mathbf{A}\boldsymbol{\Sigma}) = k ve AΣB=0\mathbf{A}\boldsymbol{\Sigma}\mathbf{B} = \mathbf{0}Answer
  2. B
    A2=A\mathbf{A}^2 = \mathbf{A}, iz(A)=k\text{iz}(\mathbf{A}) = k ve AB=0\mathbf{A}\mathbf{B} = \mathbf{0}
  3. C
    AΣA=A\mathbf{A}\boldsymbol{\Sigma}\mathbf{A} = \mathbf{A}, AΣ=k|\mathbf{A}\boldsymbol{\Sigma}| = k ve AΣB=0\mathbf{A}\boldsymbol{\Sigma}\mathbf{B} = \mathbf{0}
  4. D
    AΣA=A\mathbf{A}\boldsymbol{\Sigma}\mathbf{A} = \mathbf{A}, iz(AΣ)=k\text{iz}(\mathbf{A}\boldsymbol{\Sigma}) = k ve ABΣ=0\mathbf{A}\mathbf{B}\boldsymbol{\Sigma} = \mathbf{0}
  5. E
    AΣA=I\mathbf{A}\boldsymbol{\Sigma}\mathbf{A} = \mathbf{I}, iz(A)=k\text{iz}(\mathbf{A}) = k ve AΣB=I\mathbf{A}\boldsymbol{\Sigma}\mathbf{B} = \mathbf{I}

Answer

Doğru eşitlik sistemi; karesel formun ki-kare dağılımı için AΣA=A\mathbf{A}\boldsymbol{\Sigma}\mathbf{A} = \mathbf{A} ile iz(AΣ)=k\text{iz}(\mathbf{A}\boldsymbol{\Sigma}) = k şartlarını ve bağımsızlık için AΣB=0\mathbf{A}\boldsymbol{\Sigma}\mathbf{B} = \mathbf{0} şartını birlikte içeren sistemdir.
Verilen modelde XAX\mathbf{X}'\mathbf{A}\mathbf{X} karesel formunun χk2\chi^2_k dağılımına sahip olması için AΣ\mathbf{A}\boldsymbol{\Sigma} matrisinin idempotent (AΣA=A\mathbf{A}\boldsymbol{\Sigma}\mathbf{A} = \mathbf{A}) ve serbestlik derecesinin matrisin izi üzerinden iz(AΣ)=k\text{iz}(\mathbf{A}\boldsymbol{\Sigma}) = k olması zorunludur. Ayrıca XAX\mathbf{X}'\mathbf{A}\mathbf{X} ve XBX\mathbf{X}'\mathbf{B}\mathbf{X} karesel formlarının istatistiksel bağımsızlığı için Craig Teoremi gereği aralarındaki ilişkinin AΣB=0\mathbf{A}\boldsymbol{\Sigma}\mathbf{B} = \mathbf{0} şartını sağlaması gerekir.

Step-by-Step Solution

1
Karesel formun ki-kare dağılımına uyma şartını belirleme
XNp(0,Σ)\mathbf{X} \sim N_p(\mathbf{0}, \boldsymbol{\Sigma}) iken XAXχ2\mathbf{X}'\mathbf{A}\mathbf{X} \sim \chi^2 olması için AΣ\mathbf{A}\boldsymbol{\Sigma} matrisi idempotent olmalıdır. Bu, matematiksel olarak AΣAΣ=AΣ\mathbf{A}\boldsymbol{\Sigma}\mathbf{A}\boldsymbol{\Sigma} = \mathbf{A}\boldsymbol{\Sigma} demektir. Σ\boldsymbol{\Sigma} pozitif tanımlı olduğundan eşitlik AΣA=A\mathbf{A}\boldsymbol{\Sigma}\mathbf{A} = \mathbf{A} formuna dönüşür.
Genel normal dağılımda karesel form matrisi ile varyans-kovaryans matrisinin çarpımı idempotent bir yapı sergilemelidir.
2
Ki-kare dağılımının serbestlik derecesini tespit etme
İlgili ki-kare dağılımının serbestlik derecesi, idempotent olan AΣ\mathbf{A}\boldsymbol{\Sigma} matrisinin rankına eşittir. İdempotent matrislerde rank, matrisin izine (trace) eşit olduğundan k=iz(AΣ)k = \text{iz}(\mathbf{A}\boldsymbol{\Sigma}) olur.
İdempotent matrislerin en önemli özelliklerinden biri rank ve iz değerlerinin birbirine eşit olmasıdır.
3
İki karesel formun istatistiksel bağımsızlık şartını kurma
Craig Teoremi uyarınca, XAX\mathbf{X}'\mathbf{A}\mathbf{X} ve XBX\mathbf{X}'\mathbf{B}\mathbf{X} formlarının birbirinden istatistiksel olarak bağımsız olabilmesi için AΣB=0\mathbf{A}\boldsymbol{\Sigma}\mathbf{B} = \mathbf{0} eşitliğinin sağlanması gerekir.
Normal dağılım altında karesel formların bağımsızlığı, matrisler arasına giren kovaryans yapısının çarpım sonucunu sıfırlamasına dayanır.

Key Concept

Craig Teoremi ve Karesel Formların Dağılımı
Rate this question