扩展了矩阵分布的估计
版本 11 引入了随机矩阵,它与现有的概率和统计框架紧密结合。随机矩阵被用在各种各样的领域,包括统计学、物理学、纯数学、生物学和金融学等。版本 12 进一步完善了对随机矩阵的支持,可对 MatrixNormalDistribution、MatrixTDistribution、WishartMatrixDistribution 和 InverseWishartMatrixDistribution 进行估计。
WishartMatrixDistribution[ν, Σ] 是当自由度参数 为整数时,协方差矩阵为 的多变量高斯分布的 个独立实现的样本协方差的分布。
模拟服从 MultinormalDistribution 的 m 个长度为 n 的随机样本。
计算每个列表的样本协方差。
结果是 n 个矩阵组成的列表。
将 WishartMatrixDistribution 拟合到协方差样本。
将拟合分布的均值与样本协方差的均值相比较。
比较方差。
对于按 WishartMatrixDistribution[ν, Σ] 分布的矩阵 ,逆 按 InverseWishartMatrixDistribution[ν, Σ-1] 分布。
计算样本协方差的逆,并拟合为 InverseWishartMatrixDistribution。
检查估计的 Wishart 矩阵分布的协方差矩阵是否是逆 Wishart 模型的逆矩阵。