MarchenkoPasturDistribution[λ,σ]
漸近比
,尺度母数
のMarchenko–Pastur分布を表す.
MarchenkoPasturDistribution[λ]
単位尺度母数を持つMarchenko–Pastur分布を表す.
MarchenkoPasturDistribution
MarchenkoPasturDistribution[λ,σ]
漸近比
,尺度母数
のMarchenko–Pastur分布を表す.
MarchenkoPasturDistribution[λ]
単位尺度母数を持つMarchenko–Pastur分布を表す.
詳細
- MarchenkoPasturDistributionは,WishartMatrixDistributionからのランダム行列の極限的スペクトル密度である.
- Marchenko–Pastur分布の
における累積分布関数の導関数は,
と比例する.ただし,
から
までで
について
である. - Marchenko–Pastur分布は
で点質量を持つ.その確率は,
で
である. - MarchenkoPasturDistributionでは,
および
は任意の正の実数でよい. - MarchenkoPasturDistributionでは,σ は任意の単位次元の数量でよく,λ は無次元量でよい. »
- MarchenkoPasturDistributionは,Mean,CDF,RandomVariate等の関数とともに使うことができる.
例題
すべて開く すべて閉じる例 (3)
Plot[Table[PDF[MarchenkoPasturDistribution[λ], x], {λ, {0.2, 0.5, 0.8}}]//Evaluate, {x, 0, 4}, Exclusions -> None, Filling -> Axis]Plot[Table[PDF[MarchenkoPasturDistribution[0.5, σ], x], {σ, {0.9, 1.0, 1.1}}]//Evaluate, {x, 0, 4}, Exclusions -> None, Filling -> Axis]Plot[Table[CDF[MarchenkoPasturDistribution[λ], x], {λ, {0.5, 1.0, 1.5}}]//Evaluate, {x, 0, 5}, Filling -> Axis, Exclusions -> None]cdf = CDF[MarchenkoPasturDistribution[λ], x];Simplify[cdf, 0 < λ < 1]Simplify[cdf, λ > 1]Plot[Table[CDF[MarchenkoPasturDistribution[1 / 2, σ], x], {σ, {0.9, 1.0, 1.1}}]//Evaluate, {x, 0, 4}, Exclusions -> None, Filling -> Axis]CDF[MarchenkoPasturDistribution[1 / 2, σ], x]Mean[MarchenkoPasturDistribution[λ, σ]]Variance[MarchenkoPasturDistribution[λ, σ]]スコープ (7)
でMarchenko–Pastur分布から擬似乱数のサンプルを生成する:
data = RandomVariate[MarchenkoPasturDistribution[1 / 2], 10 ^ 4];そのヒストグラムをPDFと比較する:
Show[
Histogram[data, {3 / 2 - Sqrt[2], 3 / 2 + Sqrt[2], Automatic}, PDF],
Plot[PDF[MarchenkoPasturDistribution[1 / 2], x], {x, 0, 4}, PlotStyle -> Thick, Exclusions -> None]]
でMarchenko–Pastur分布から擬似乱数のサンプルを生成する:
data = RandomVariate[MarchenkoPasturDistribution[4], 10 ^ 4];その累積ヒストグラムをCDFと比較する:
Show[
Histogram[data, Automatic, CDF],
Plot[CDF[MarchenkoPasturDistribution[4], x], {x, 0, 9}, PlotStyle -> Thick]]sample = RandomVariate[MarchenkoPasturDistribution[2, 1], 10 ^ 3];edist = EstimatedDistribution[sample, MarchenkoPasturDistribution[λ, σ]]サンプルの累積ヒストグラムを推定分布のCDFと比較する:
Show[Histogram[sample, 20, CDF], Plot[CDF[edist, x], {x, 0, 6}, PlotStyle -> Thick]]Skewness[MarchenkoPasturDistribution[λ, σ]]Kurtosis[MarchenkoPasturDistribution[λ, σ]]FormulaGrid[list_, type_] := Grid[...]FormulaGrid[Table[Moment[MarchenkoPasturDistribution[λ, σ], k]//Expand, {k, 3}], M]Moment[MarchenkoPasturDistribution[λ, σ], k]FormulaGrid[Table[CentralMoment[MarchenkoPasturDistribution[λ, σ], k], {k, 3}], CM]CentralMoment[MarchenkoPasturDistribution[λ, σ], k]FormulaGrid[Table[FactorialMoment[MarchenkoPasturDistribution[λ, σ], k], {k, 3}], FM]FormulaGrid[Table[Cumulant[MarchenkoPasturDistribution[λ, σ], k], {k, 3}], C]Plot[HazardFunction[MarchenkoPasturDistribution[1 / 2], x], {x, (1 - Sqrt[1 / 2]) ^ 2, (1 + Sqrt[1 / 2]) ^ 2}, Filling -> Axis]HazardFunction[MarchenkoPasturDistribution[1 / 2], x]Plot[Table[Quantile[MarchenkoPasturDistribution[λ], q], {λ, {0.5, 1.0, 2.0}}]//Evaluate, {q, 0, 1}, Filling -> Axis]Plot[Table[Quantile[MarchenkoPasturDistribution[0.5, σ], q], {σ, {0.5, 1.0, 1.5}}]//Evaluate, {q, 0, 1}, Filling -> Axis]母数でQuantityを一貫して使うとQuantityDistributionが与えられる:
a𝒟 = MarchenkoPasturDistribution[0.5, Quantity[1.2, "Meters"]]Median[a𝒟]アプリケーション (1)
MatrixPropertyDistributionを使って,恒等共分散を持つWishartランダム行列の固有値を表す:
λ𝒟[n_, p_] := MatrixPropertyDistribution[Eigenvalues[𝓂], 𝓂WishartMatrixDistribution[n, IdentityMatrix[p] / n]]{n, p} = {10 ^ 4, 10 ^ 3};
data = RandomVariate[λ𝒟[n, p]];スペクトル密度は,有限比
の大きい
と
の極限において,MarchenkoPasturDistribution[λ]の確率密度関数に収束する:
Show[Histogram[data, 20, PDF], Plot[PDF[MarchenkoPasturDistribution[p / n], x], {x, 0, 1.8}, PlotStyle -> Thick, Exclusions -> None]]特性と関係 (3)
MarchenkoPasturDistributionは正の因子によるスケーリングの下で閉じている:
TransformedDistribution[k u, uMarchenkoPasturDistribution[λ, σ], Assumptions -> k > 0]MarchenkoPasturDistributionは,
のときに0において原子量を持つ:
Probability[x == 0, xMarchenkoPasturDistribution[λ, σ]]MarchenkoPasturDistributionは,Wishart行列の固有値の極限分布である.
における原子量はWishart行列が特異行列の場合に起る.恒等共分散を持つ特異Wishar行列を生成し,スケールされた固有値を計算する:
matrix = Transpose[#].#&[RandomVariate[NormalDistribution[], {500, 1000}]];
eigvs = Chop[Eigenvalues[matrix] / 500];MarchenkoPasturDistributionを固有値にフィットする:
edist = EstimatedDistribution[eigvs, MarchenkoPasturDistribution[lambda, 1]]固有値の累積ヒストグラムをCDFと比較する:
Show[Histogram[eigvs, 20, CDF], Plot[CDF[edist, x], {x, 0, 6}, PlotStyle -> Thick]]考えられる問題 (1)
のMarchenko–Pastur分布は,連続的でも離散的でもない混合タイプの分布である:
𝒟 = MarchenkoPasturDistribution[9 / 4];そのようなMarchenko–Pastur分布の累積密度関数は
で不連続である:
cdf = CDF[𝒟, x]//SimplifyPlot[cdf, {x, -0.5, 7}, Exclusions -> x == 0, PlotTheme -> "Detailed", ExclusionsStyle -> {Dashed, PointSize[Medium]}]
のMarchenko–Pastur分布の確率密度関数は定義されず,PDFは未評価で返される:
PDF[𝒟, x]D[cdf, x]//SimplifyIntegrate[D[cdf, x], {x, -∞, ∞}]混合タイプの分布の計算は完全にサポートされている.特殊なモーメントを計算する:
{Mean[𝒟], Variance[𝒟], Skewness[𝒟], Kurtosis[𝒟]}sample = RandomVariate[𝒟, 10 ^ 4];EstimatedDistribution[sample, MarchenkoPasturDistribution[λ]]テキスト
Wolfram Research (2015), MarchenkoPasturDistribution, Wolfram言語関数, https://reference.wolfram.com/language/ref/MarchenkoPasturDistribution.html (2016年に更新).
CMS
Wolfram Language. 2015. "MarchenkoPasturDistribution." Wolfram Language & System Documentation Center. Wolfram Research. Last Modified 2016. https://reference.wolfram.com/language/ref/MarchenkoPasturDistribution.html.
APA
Wolfram Language. (2015). MarchenkoPasturDistribution. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/MarchenkoPasturDistribution.html
BibTeX
@misc{reference.wolfram_2026_marchenkopasturdistribution, author="Wolfram Research", title="{MarchenkoPasturDistribution}", year="2016", howpublished="\url{https://reference.wolfram.com/language/ref/MarchenkoPasturDistribution.html}", note=[Accessed: 18-November-2026]}
BibLaTeX
@online{reference.wolfram_2026_marchenkopasturdistribution, organization={Wolfram Research}, title={MarchenkoPasturDistribution}, year={2016}, url={https://reference.wolfram.com/language/ref/MarchenkoPasturDistribution.html}, note=[Accessed: 18-November-2026]}