中文

高维随机向量样本典型相关系数的极限分布

概率论 2022-06-28 v3

摘要

考虑两个具有有限秩相关的高维随机向量 x~Rp\widetilde{\mathbf x}\in\mathbb R^py~Rq\widetilde{\mathbf y}\in\mathbb R^q。更确切地说,假设 x~=x+Az\widetilde{\mathbf x}=\mathbf x+A\mathbf zy~=y+Bz\widetilde{\mathbf y}=\mathbf y+B\mathbf z,其中 xRp\mathbf x\in\mathbb R^pyRq\mathbf y\in\mathbb R^qzRr\mathbf z\in\mathbb R^r 为独立的随机向量,其分量独立同分布、均值为 0、方差为 1,且 ARp×rA\in\mathbb R^{p\times r}BRq×rB\in\mathbb R^{q\times r} 为两个确定性矩阵。基于 (x~,y~)(\widetilde{\mathbf x},\widetilde{\mathbf y})nn 个独立同分布观测,我们研究它们之间的样本典型相关。本文关注具有秩-rr 相关的设置。设 t1trt_1\ge\cdots\ge t_rx~\widetilde{\mathbf x}y~\widetilde{\mathbf y} 之间总体典型相关系数(CCC)的平方,λ~1λ~r\widetilde\lambda_1\ge\cdots\ge\widetilde\lambda_r 为最大的 rr 个样本 CCC 的平方。在对 x\mathbf xy\mathbf yz\mathbf z 的分量施加一定矩假设的条件下,我们证明存在阈值 tc(0,1)t_c\in(0, 1),使得若 ti>tct_i>t_c,则 n(λ~iθi)\sqrt{n}(\widetilde\lambda_i-\theta_i) 依分布收敛于一个零均值正态分布,其中 θi>λ+\theta_i>\lambda_+ 是由 tit_i 决定的固定离群位置。我们的结果推广了 [4] 中针对高斯向量的结论。此外,我们发现 n(λ~iθi)\sqrt{n}(\widetilde\lambda_i-\theta_i) 极限分布的方差还依赖于 x\mathbf xy\mathbf yz\mathbf z 分量的四阶累积量,这是高斯情形下无法观察到的现象。

关键词

引用

@article{arxiv.2103.08014,
  title  = {Limiting distribution of the sample canonical correlation coefficients of high-dimensional random vectors},
  author = {Fan Yang},
  journal= {arXiv preprint arXiv:2103.08014},
  year   = {2022}
}

备注

Electronic Journal of Probability (to appear)