中文

具有有限秩相关性的高维随机向量的样本典型相关系数

概率论 2022-06-14 v3

摘要

考虑两个随机向量 x~Rp\widetilde{\mathbf x} \in \mathbb R^py~Rq\widetilde{\mathbf y} \in \mathbb R^q,其形式为 x~=Az+C11/2x\widetilde{\mathbf x}=A\mathbf z+\mathbf C_1^{1/2}\mathbf xy~=Bz+C21/2y\widetilde{\mathbf y}=B\mathbf z+\mathbf C_2^{1/2}\mathbf y,其中 xRp\mathbf x\in \mathbb R^pyRq\mathbf y\in \mathbb R^qzRr\mathbf z\in \mathbb R^r 为具有均值 0、方差 1 的独立同分布分量的独立向量,C1\mathbf C_1C2\mathbf C_2p×pp \times pq×qq\times q 确定性协方差矩阵,AABBp×rp\times rq×rq\times r 确定性矩阵。基于 (x~,y~)(\widetilde{\mathbf x},\widetilde{\mathbf y})nn 个独立观测,我们研究 x~\widetilde{\mathbf x}y~\widetilde{\mathbf y} 之间的样本典型相关。我们考虑具有有限秩相关性的高维设定。令 t1t2trt_1\ge t_2 \ge \cdots\ge t_r 为非平凡总体典型相关系数的平方,并令 λ~1λ~2λ~pq\widetilde\lambda_1 \ge\widetilde\lambda_2\ge\cdots\ge\widetilde\lambda_{p\wedge q} 为样本典型相关系数的平方。若 x\mathbf xy\mathbf yz\mathbf z 的分量为独立同分布高斯,则文献 [7] 已对固定阈值 tc(0,1)t_c \in(0, 1) 证明如下二分性:对 1ir1\le i \le r,若 ti<tct_i < t_c,则 λ~i\widetilde\lambda_i 收敛于样本典型相关矩阵极限特征值谱的右边缘 λ+\lambda_+;若 ti>tct_i>t_c,则 λ~i\widetilde\lambda_i 收敛于由 tit_i 决定的确定性极限 θi(λ+,1)\theta_i \in (\lambda_+,1)。在本文中,我们证明这些结果在 x\mathbf xy\mathbf y 分量上的尖锐四阶矩条件下普遍成立。此外,我们以完全一般性证明这些结果,即它们对近退化的 tit_i 以及接近阈值 tct_ctit_i 也成立。

关键词

引用

@article{arxiv.2102.03297,
  title  = {Sample canonical correlation coefficients of high-dimensional random vectors with finite rank correlations},
  author = {Zongming Ma and Fan Yang},
  journal= {arXiv preprint arXiv:2102.03297},
  year   = {2022}
}

备注

Bernoulli Journal (to appear)