中文

高维PCA中的Wald统计量

统计理论 2018-05-11 v1 统计理论

摘要

在本注记中,我们考虑高斯观测X1,,XnX_1,\dots, X_n的PCA,其协方差Σ=iλiPi\Sigma=\sum_i \lambda_i P_i处于由r(Σ):=tr(Σ)/Σ\mathbf{r}(\Sigma):=\text{tr}(\Sigma)/\| \Sigma \|控制的“有效秩”设定中。我们证明了谱投影子P^r\hat P_r的Wald统计量的Berry-Esseen型界。这可用于构造谱投影子PrP_r的非渐近置信椭球与检验。利用高阶扰动理论,我们能够证明即便当r(Σ)n\mathbf{r}(\Sigma) \gg \sqrt{n}时,我们的定理依然成立。

关键词

引用

@article{arxiv.1805.03839,
  title  = {Wald Statistics in high-dimensional PCA},
  author = {Matthias Löffler},
  journal= {arXiv preprint arXiv:1805.03839},
  year   = {2018}
}

备注

11 pages