数学 > 统计理论
[提交于 2025年10月14日
]
标题: 随机调制与球面对称性
标题: Random Modulation with Spherical Symmetry
摘要: 我们考虑由随机向量$X_n \in \mathbb{R}^{d_n}$,$n \in \mathbb{N}$给出的数据调制。对于每个$X_n$,选择一个独立的调制随机向量$\Xi_n \in \mathbb{R}^{d_n}$并形成投影$Y_n = \Xi_n'X_n$。 在 $X_n$ 和 $\Xi_n$ 上的正则性条件下,证明了 $Y_n|\Xi_n$ 在概率上弱收敛于正态分布。 更广泛地说,从 $X_n$ 和 $\Xi_n$ 中抽取的随机样本构造的一族投影的条件联合分布被证明弱收敛于矩阵正态分布。 我们推导出,\textit{通过}G。 Pólya 关于正态分布的特征,对$Y_n$的必要且充分条件,使得$\Xi_n$服从正态分布。 当 $\Xi_n$具有球面对称分布时,我们通过 I. J. Schoenberg 关于希尔伯特空间上球面对称特征函数的特征,得出$Y_n|\Xi_n$的概率密度函数在某些$p$次均值下逐点收敛于正态密度的混合形式,收敛速度被量化,从而得到一致收敛。 $Y_n|\Xi_n$的累积分布函数被证明在这些$p$个均值下一致收敛于相同混合分布的分布函数,并得到了一个 Lipschitz 性质。 提供了满足我们结果的分布示例;这些包括超球面上随机半径的 Bingham 分布,超球面和超立方体上随机体积的均匀分布,以及多元正态分布;此类$\Xi_n$的示例包括多元$t$-、多元 Laplace 和球对称稳定分布。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.