姚建峰;郑树荣;白志东 大样本协方差矩阵和高维数据分析。 (英语) Zbl 1380.62011年 剑桥统计与概率数学系列39.剑桥:剑桥大学出版社(ISBN 978-1-107-06517-8/hbk;978-1-107/58808-0/hbk)。xiv,308页。(2015). 本书在两种不同假设下处理协方差矩阵的分析:大样本理论和高维数据理论。虽然前者是导出渐近性的经典框架,但后者由于在新兴的大数据领域中的应用而受到越来越多的关注。由于其新颖性及其在当前研究中的相关性,作者主要关注高维数据框架。基本上,大样本理论认为变量的数量(p)是固定的,并研究了当观测数量趋于无穷大时相应的渐近性。另一方面,在高维数据方法下,变量的数量也趋于无穷大,经典假设是当\(n\)趋于无穷大时\(p/n)\rightarrow y>0\)。在第一章中,作者给出了关于协方差矩阵、Fisher矩阵和随机矩阵的基本结果,即Marchenko-Pastur分布及其性质、T^2分布和谱统计的渐近性。从第6章开始,说明了几个应用程序。第六章分析了经典的分类问题,说明了如何面对将观测值分类为两个(或多个)正态分布之一的问题。第9章讨论另一个经典问题,即协方差矩阵的等式检验。该理论和应用是在大样本理论和高维数据理论下提出的,因此读者可以很容易地理解这两种方法之间的差异。材料以非常简单的方式呈现,读者只需要基本数理统计、线性代数和多元正态分布理论的一些先决条件。一些技术前提条件收集在两个附录中。因此,该书可供研究生和研究人员在从数学到应用科学(工程、计算机科学、生命科学)的广泛学科中使用。审核人:法比奥·拉帕洛(亚历山德里亚) 引用于82文件 MSC公司: 62-02 与统计有关的研究展览(专著、调查文章) 2007年6月62日 数据分析(统计)(MSC2010) 62H30型 分类和区分;聚类分析(统计方面) 62H20个 关联度量(相关性、典型相关性等) 62H15型 多元分析中的假设检验 62甲12 多元分析中的估计 关键词:协方差矩阵;多重相关系数;光谱分布;球形检验;尖峰种群模型 PDF格式BibTeX公司 XML格式引用 \textit{J.Yao}等人,大样本协方差矩阵和高维数据分析。剑桥:剑桥大学出版社(2015;兹bl 1380.62011) 全文: 内政部