Apakah ada interpretasi intuitif dari


107

Untuk matriks data diberikan (dengan variabel dalam kolom dan titik data dalam baris), sepertinya A T A memainkan peran penting dalam statistik. Sebagai contoh, ini adalah bagian penting dari solusi analitik kuadrat terkecil biasa. Atau, untuk PCA, vektor eigennya adalah komponen utama data.AATA

Saya mengerti bagaimana menghitung , tapi saya bertanya-tanya apakah ada interpretasi intuitif dari apa yang diwakili matriks ini, yang mengarah ke peran penting?ATA


2
Beberapa intuisi mungkin diberikan oleh analisis di stats.stackexchange.com/a/66295/919 .
whuber

Jawaban:


125

Secara geometris, matriks disebut matriks produk skalar (= produk titik, = produk dalam). Secara aljabar, ini disebut sum-of-squares-and-cross-products matrix ( SSCP ).AA

Elemen diagonal ke- nya sama dengan β a 2 ( i ) , di mana a ( i ) menunjukkan nilai-nilai di kolom ke- i dari A dan β adalah jumlah seluruh baris. The i j th off-diagonal elemen di dalamnya adalah Σ a ( i ) a ( j ) .ia(i)2a(i)iAija(i)a(j)

Ada sejumlah koefisien asosiasi penting dan matriks kuadratnya disebut persamaan sudut atau persamaan tipe SSCP:

  • Membagi matriks SSCP dengan , ukuran sampel atau jumlah baris A , Anda mendapatkan matriks MSCP (mean-square-and-cross-product). Rumus berpasangan ukuran asosiasi ini adalah maka Σ x ynA (dengan vektorxdanymenjadi pasangan kolom dariA).xynxyA

  • Jika Anda memusatkan kolom (variabel) dari , maka A A adalah pencar (atau co-sebar, jika harus keras) matriks dan A A / ( n - 1 ) adalah matriks kovarians . Rumus kovarians berpasangan adalah c x c yAAAAA/(n1) dengancxdancy yangmenunjukkan kolom tengah.cxcyn1cxcy

  • Jika Anda z- membakukan kolom (kurangi rata-rata kolom dan dibagi dengan deviasi standar), maka A A / ( n - 1 ) adalah matriks korelasi Pearson : korelasi adalah kovarians untuk variabel standar. Rumus korelasi berpasangan adalah z x z yAAA/(n1) denganzxdanzy yangmenunjukkan kolom standar. Korelasi ini juga disebut koefisien linearitas.zxzyn1zxzy

  • Jika Anda satuan skala kolom (membawa SS, jumlah-kuadrat, ke 1), maka A A adalah matriks kesamaan cosinus . Rumus berpasangan yang ekuivalen dengan demikian nampaknya adalah u x u y = x yAAA denganuxdanuy yangmenunjukkan kolom dinormalisasi L2. Kesamaan cosine juga disebut koefisien proporsionalitas.uxuy=xyx2y2uxuy

  • Jika Anda pusat dan kemudian unit- skala kolom dari , maka A ' A adalah lagi Pearson korelasi matriks, karena korelasi adalah cosinus untuk variabel berpusat 1 , 2 : Σ c u x c u y = Σ c x c yAAA1,2cuxcuy=cxcycx2cy2

Di samping keempat ukuran asosiasi utama ini, mari kita juga menyebutkan beberapa lainnya, juga berdasarkan pada , sebagai tambahan. Mereka dapat dilihat sebagai ukuran alternatif untuk cosinus kesamaan karena mereka mengadopsi berbeda dari normalisasi, penyebut dalam rumus:AA

  • Koefisien identitas [Zegers & ten Berge, 1985] memiliki penyebutnya dalam bentuk rata-rata aritmatika daripada rata-rata geometris: . Itu bisa 1 jika dan hanya jika kolom yang dibandingkan dariAadalah identik.xy(x2+y2)/2A

  • xyx2+y2xy=xyxy+(xy)2

  • AAA


1AAsAnC=AAss/nC/(n1)CdR=C/dd

2n (kecuali ketika menghitung mean, ke pusat).


42

ATAAA

AATA=I


39

@NRH memberikan jawaban teknis yang bagus.

ATAA2


5
Meskipun jawaban lain lebih "secara teknis" benar, ini adalah jawaban yang paling intuitif.
CatsLoveJazz

3

AAm×nA:RnRmA

(AA):RnRn{e1,...,en}d1,,dk

(AA)(x1e1++xnen)=d1x1e1+...+dkxkek

(B) Rentang (A) = Col (A), dengan definisi Col (A). Jadi A | Row (A) memetakan Row (A) ke dalam Col (A).

Av=0v is in Kernel(A)vis in orthogonal complement of Row(A)

A(Rn)=A(Row(A))A|Row(A):Row(A)Col(A)

Reason: If v = r+k (r \in Row(A), k \in Kernel(A),from (c)) then
A(v) = A(r) + 0 = A(r) where A(r) = 0 <==> r = 0$.

[Kebetulan memberikan bukti bahwa peringkat Row = peringkat kolom!]

A|:Col(A)=Row(A)Col(A')=Row(A)

AA(Rn)=Row(A)


2
LATEX

2

ATA

ATArowpATcolpAdot(rowp,colp)(p,p)ATA

pATkAdot(rowp,colk)(p,k)

(p,k)ATArowpcolkrowicoljrowicolj, dan sebaliknya.

Aiji

masukkan deskripsi gambar di sini


1

xE[x2]AATA

xxi

a=[x1x2xn]

x

x2¯=aan
ATA

σ2=E[x2]ATAATA

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.