Distributions multivariées
Les distributions multivariées décrivent le comportement probabiliste conjoint de plusieurs variables aléatoires et constituent le fondement sur lequel l'inférence multivariée est construite.
Definition
Une distribution multivariée est une loi de probabilité pour un vecteur aléatoire qui spécifie la distribution conjointe de ses composantes, y compris leur comportement marginal et leur dépendance.
Scope
Ce domaine couvre les modèles de probabilité centraux des statistiques multivariées : la distribution normale multivariée et ses propriétés, la distribution de Wishart qui régit les matrices de covariance échantillon, et les modèles de copules qui séparent le comportement marginal de la structure de dépendance. Il aborde les distributions conjointes, marginales et conditionnelles, les moments, et le rôle de ces distributions dans l'estimation et les tests d'hypothèses.
Sub-topics
Core questions
- Comment le comportement conjoint de plusieurs variables aléatoires est-il spécifié et caractérisé ?
- Quelles distributions d'échantillonnage découlent de données normales multivariées ?
- Comment la dépendance peut-elle être modélisée séparément des distributions marginales ?
- Quelles hypothèses distributionnelles justifient les procédures multivariées standard ?
Key theories
- La normale multivariée comme fondement
- La distribution normale multivariée est stable sous transformation linéaire, marginalisation et conditionnement, et son vecteur de moyenne et sa matrice de covariance la spécifient entièrement, ce qui en fait le modèle central pour l'inférence multivariée.
- Séparation des marges et de la dépendance
- Selon le théorème de Sklar, toute distribution conjointe peut être décomposée en ses distributions marginales et une copule encodant la dépendance, permettant ainsi de modéliser la dépendance indépendamment des marges.
Clinical relevance
Les distributions multivariées sous-tendent les hypothèses et la théorie de l'échantillonnage de presque toutes les méthodes multivariées, et les modèles de copules en particulier sont utilisés pour modéliser la dépendance en finance, en hydrologie et en analyse des risques.
History
La distribution normale multivariée et la distribution d'échantillonnage de Wishart des matrices de covariance ont été établies au début du XXe siècle et systématisées dans la théorie classique de l'analyse multivariée. La théorie des copules, formalisée par le théorème de Sklar en 1959, a ensuite fourni un cadre flexible pour la modélisation de la dépendance.
Key figures
- T. W. Anderson
- John Wishart
- Abe Sklar
Related topics
Seminal works
- anderson2003
- mardia1979
- muirhead1982
Frequently asked questions
- Pourquoi la distribution normale multivariée est-elle si centrale ?
- Elle apparaît comme une distribution limite via le comportement de la limite centrale multivariée, est mathématiquement traitable et sous-tend la théorie de l'échantillonnage pour les moyennes, les covariances et de nombreuses statistiques de test en analyse multivariée.
- Qu'est-ce qu'une copule ajoute au-delà des distributions marginales ?
- Une copule capture la structure de dépendance reliant les variables, permettant de combiner des distributions marginales arbitraires avec un schéma de dépendance choisi.