En statistique , la distribution t matricielle (ou distribution t matricielle variable ) est la généralisation de la distribution t multivariée des vecteurs aux matrices .
La distribution t matricielle partage la même relation avec la distribution t multivariée que la distribution normale matricielle partage avec la distribution normale multivariée : si la matrice n'a qu'une seule ligne ou qu'une seule colonne, les distributions deviennent équivalentes à la distribution (vectorielle) multivariée correspondante. La distribution t matricielle est la distribution composée qui résulte d'un mélange infini d'une distribution normale matricielle avec une distribution de Wishart inverse placée sur l'une ou l'autre de ses matrices de covariance, et la distribution t multivariée peut être générée de manière similaire.
Dans une analyse bayésienne d'un modèle de régression linéaire multivariée basé sur la distribution normale matricielle, la distribution t matricielle est la distribution prédictive postérieure .
Définition
Pour une distribution matricielle t , la fonction de densité de probabilité au point d'un espace est
où la constante d'intégration K est donnée par
Voici la fonction gamma multivariée .
Propriétés
Si , alors nous avons les propriétés suivantes :
Valeurs attendues
La moyenne, ou valeur attendue , est si : 1}" data-src="https://wikimedia.org/api/rest_v1/media/math/render/svg/67dc59709ea03ee8535240205566d3e844bd2b66">
et nous avons les espérances du second ordre suivantes, si : 2}" data-src="https://wikimedia.org/api/rest_v1/media/math/render/svg/691ac5ce500a415f98d5eed0317f11e2a3b5f713">
où désigne la trace .
Plus généralement, pour des matrices A , B , C convenablement dimensionnées :
Transformation
Transformation de transposition :
Transformée linéaire : soit A ( r -par- n ), de rang complet r ≤ n et B ( p -par- s ), de rang complet s ≤ p , alors :
La fonction caractéristique et diverses autres propriétés peuvent être dérivées de la formulation reparamétrée (voir ci-dessous).
Matrice reparamétréet-distribution
Une paramétrisation alternative de la distribution matricielle t utilise deux paramètres et à la place de .
Cette formulation se réduit à la distribution t matricielle standard avec
Cette formulation de la distribution matricielle t peut être dérivée comme la distribution composée qui résulte d'un mélange infini d'une distribution matricielle normale avec une distribution gamma multivariée inverse placée sur l'une ou l'autre de ses matrices de covariance.
Propriétés
Si alors
La propriété ci-dessus provient du théorème déterminant de Sylvester :
Si et et sont des matrices non singulières alors
La fonction caractéristique est
où
0}\exp \left({ m {tr}}(-\mathbf {SW} -\mathbf {S^{-1}Z} ) ight)|\mathbf {S} |^{-\delta -{\frac {1}{2}}(p+1)}d\mathbf {S} , B δ ( W Z ) = | W | − δ ∫ S > 0 exp ( t r ( − S W − S − 1 Z ) ) | S | − δ − 1 2 ( p + 1 ) d S , {\displaystyle B_{\delta }(\mathbf {WZ} )=|\mathbf {W} |^{-\delta }\int _{\mathbf {S} >0}\exp \left({ m {tr}}(-\mathbf {SW} -\mathbf {S^{-1}Z} ) ight)|\mathbf {S} |^{-\delta -{\frac {1}{2}}(p+1)}d\mathbf {S} ,} 0}\exp \left({ m { tr}}(-\mathbf {SW} -\mathbf {S^{-1}Z} ) ight)|\mathbf {S} |^{-\delta -{\frac {1}{2}}(p+1)}d\mathbf {S} ,}" data-src="https://wikimedia.org/api/rest_v1/media/math/render/svg/ad2fceffdf1dee1a09c574d3dafaf31cb9802c14">
et où est la fonction de Bessel de type deux de Herz d'un argument matriciel.