सांख्यिकी में मैट्रिक्स डीकंपोजिशन

मैट्रिक्स डीकंपोजिशन एक मैट्रिक्स को सरल संरचित कारकों में विभाजित करते हैं, और सांख्यिकी में वे प्रतिगमन, सहप्रसरण मॉडलिंग और आयाम न्यूनीकरण के पीछे स्थिर, कुशल मशीनरी प्रदान करते हैं।

Definition

सांख्यिकी में मैट्रिक्स डीकंपोजिशन डिज़ाइन, सहप्रसरण और संबंधित मैट्रिक्स के संरचित घटकों में गुणनखंडन हैं, जैसे त्रिकोणीय, ऑर्थोगोनल या विकर्ण कारक, जो सांख्यिकीय गणनाओं को संख्यात्मक रूप से स्थिर और कुशल बनाते हैं।

Scope

यह विषय सहप्रसरण और परिशुद्धता मैट्रिक्स के लिए चोल्स्की गुणनखंडन, न्यूनतम वर्गों के लिए क्यूआर डीकंपोजिशन, एकवचन मान डीकंपोजिशन और प्रमुख घटक विश्लेषण और रैंक-कमी वाली समस्याओं में इसके सांख्यिकीय उपयोगों, और सममित सहप्रसरण मैट्रिक्स के आइगेनडीकंपोजिशन को शामिल करता है। ध्यान इस बात पर है कि प्रत्येक गुणनखंडन एक सांख्यिकीय गणना में कैसे कार्य करता है।

Core questions

• चोल्स्की गुणनखंडन सहप्रसरण और परिशुद्धता गणनाओं का समर्थन कैसे करता है?
• क्यूआर डीकंपोजिशन न्यूनतम-वर्ग अनुमानों के लिए स्थिर मार्ग क्यों है?
• एकवचन मान डीकंपोजिशन प्रमुख घटक विश्लेषण को कैसे आधार बनाता है और रैंक की कमी को कैसे संभालता है?
• सहप्रसरण मैट्रिक्स का आइगेनडीकंपोजिशन इसकी संरचना को कैसे प्रकट करता है?

Key concepts

• चोल्स्की गुणनखंडन
• क्यूआर डीकंपोजिशन
• एकवचन मान डीकंपोजिशन
• आइगेनडीकंपोजिशन
• धनात्मक-निश्चितता
• रैंक की कमी

Key theories

त्रिकोणीय और ऑर्थोगोनल गुणनखंडन

एक धनात्मक-निश्चित सहप्रसरण मैट्रिक्स का चोल्स्की गुणनखंडन और एक डिज़ाइन मैट्रिक्स का क्यूआर डीकंपोजिशन सांख्यिकीय अनुमान के मूल में रैखिक प्रणालियों और न्यूनतम-वर्ग समस्याओं के लिए स्थिर, कुशल समाधान प्रदान करते हैं।

स्पेक्ट्रल और एकवचन मान डीकंपोजिशन

एक सहप्रसरण मैट्रिक्स का आइगेनडीकंपोजिशन और एक डेटा मैट्रिक्स का एकवचन मान डीकंपोजिशन प्रमुख दिशाओं और रैंकों को उजागर करते हैं, जो प्रमुख घटक विश्लेषण और संरेख या रैंक-कमी वाली समस्याओं के उपचार को आधार बनाते हैं।

Clinical relevance

डीकंपोजिशन सहप्रसरण नमूनाकरण, सामान्यीकृत न्यूनतम वर्ग, प्रमुख घटक विश्लेषण और रिज रिग्रेशन को व्यवहार्य और स्थिर दोनों बनाते हैं; उदाहरण के लिए, चोल्स्की कारक का उपयोग सहसंबद्ध सामान्य चर का अनुकरण करने और बहुभिन्नरूपी सामान्य संभावनाओं का कुशलता से मूल्यांकन करने के लिए किया जाता है।

History

संख्यात्मक रैखिक बीजगणित में विकसित शास्त्रीय गुणनखंडन, विशेष रूप से क्यूआर और एकवचन मान डीकंपोजिशन, को बीसवीं शताब्दी के अंत तक सांख्यिकीविदों द्वारा प्रतिगमन, बहुभिन्नरूपी विश्लेषण और आयाम न्यूनीकरण के लिए स्थिर आधार के रूप में अपनाया गया था।

Key figures

• Gene Golub
• Charles Van Loan
• André-Louis Cholesky
• Carl Eckart

Seminal works

• golub2013
• monahan2011

Frequently asked questions

चोल्स्की गुणनखंडन सांख्यिकी में इतना सामान्य क्यों है?

सहप्रसरण और परिशुद्धता मैट्रिक्स सममित धनात्मक-निश्चित होते हैं, जो ठीक वही संरचना है जिसका चोल्स्की गुणनखंडन उपयोग करता है। यह प्रणालियों को हल करने, बहुभिन्नरूपी सामान्य घनत्वों का मूल्यांकन करने और सहसंबद्ध चर का अनुकरण करने का एक कुशल तरीका प्रदान करता है।

एकवचन मान डीकंपोजिशन प्रमुख घटक विश्लेषण के लिए क्या करता है?

केंद्रित डेटा मैट्रिक्स पर एकवचन मान डीकंपोजिशन लागू करने से सीधे प्रमुख घटक और प्रत्येक द्वारा समझाई गई भिन्नता प्राप्त होती है, एक संख्यात्मक रूप से स्थिर तरीके से जो रैंक-कमी वाले या संरेख डेटा को भी आसानी से संभालता है।