Matematik
Statistik
02. marts 2007 af
Madsst (Slettet)
Der er i min bog en regel for matrixregning med stokastiske vektorer:
Variansen(Ay+b)=A*Variansen(y)*A^T. Er der en der kan hjælpe mig lidt på vej til at forstå det?
Variansen(Ay+b)=A*Variansen(y)*A^T. Er der en der kan hjælpe mig lidt på vej til at forstå det?
Svar #1
03. marts 2007 af sigmund (Slettet)
Kan du uddybe lidt?
Jeg har et Lemma i en bog. Dette Lemma angiver netop det resultat. Desværre ser jeg intet bevis for Lemmaet, så jeg kan ikke se, hvordan det fremkommer. Det bliver bare nævnt mod slutningen af et afsnit. På engelsk lyder Lemmaet som følger:
3.21 Lemma. If a is a vektor and X is a random vector with mean \mu ans variance \Sigma, then E(a^T X)=a^T\mu and V(a^T X)=a^T\Sigma*a. If A is a matrix then E(AX)=A\mu and V(AX)=A.\Sigma.A^T. (Her er E() forventningsværdi og V() varians.)
Reference: Larry Wasserman: All of Statistics -- A Concise Course in Statistical Inference. Springer, New York 2004.
Jeg har et Lemma i en bog. Dette Lemma angiver netop det resultat. Desværre ser jeg intet bevis for Lemmaet, så jeg kan ikke se, hvordan det fremkommer. Det bliver bare nævnt mod slutningen af et afsnit. På engelsk lyder Lemmaet som følger:
3.21 Lemma. If a is a vektor and X is a random vector with mean \mu ans variance \Sigma, then E(a^T X)=a^T\mu and V(a^T X)=a^T\Sigma*a. If A is a matrix then E(AX)=A\mu and V(AX)=A.\Sigma.A^T. (Her er E() forventningsværdi og V() varians.)
Reference: Larry Wasserman: All of Statistics -- A Concise Course in Statistical Inference. Springer, New York 2004.
Skriv et svar til: Statistik
Du skal være logget ind, for at skrive et svar til dette spørgsmål. Klik her for at logge ind.
Har du ikke en bruger på Studieportalen.dk?
Klik her for at oprette en bruger.