100% tevredenheidsgarantie Direct beschikbaar na betaling Zowel online als in PDF Je zit nergens aan vast
logo-home
Eerder door jou gezocht
Eerder door jou gezocht
logo
Summary Introduction to Multivariate Statistics - FEB22003X €5,49   In winkelwagen
Snel navigeren naar
Voorbeeld
  2.  
  3. Erasmus Universiteit Rotterdam (EUR)
  4.  
  5. FEB22003X

Samenvatting

Summary Introduction to Multivariate Statistics - FEB22003X
 7 keer bekeken  0 keer verkocht

Since the Introduction to Multivariate Statistics (FEB22003X) is an open book exam, this summary note can help a lot. It contains all the tutorial solutions + intuition behind the contents.

Voorbeeld 4 van de 70  pagina's

Document informatie

  • Ja
  • 24 oktober 2023
  • 70
  • 2023/2024
  • Samenvatting

Onderwerpen

Gekoppeld boek

book image

Titel boek:

Auteur(s):

  • Uitgave:
  • ISBN:
  • Druk:

Meer samenvattingen voor studieboek

Alles voor dit studieboek (2)

Geschreven voor

Alle documenten voor dit vak (1)

Verkoper

avatar-seller
hyunminhong

Voorbeeld van de inhoud

Multivariate Statistics

Hyunmin Hong

October 18, 2023




1

,Contents
1 Lecture 1 4
1.1 Distance & Statistical Distance . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Statistical Distance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2 Lecture 2 6
2.1 Random Vectors & Random Matrices . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Linear Combination of Random Vectors . . . . . . . . . . . . . . . . . . . . . 7
2.2.1 Univariate case . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.2 Multivariate case . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3 Lecture 3 8
3.1 Geometry of a Sample . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2 Geometric Interpretation of Average . . . . . . . . . . . . . . . . . . . . . . . 8
3.2.1 Deviation Vectors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3 Estimation of µ & Σ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

4 Lecture 4 12
4.1 Generalized Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4.1.1 Generalized Variance in p dimensions . . . . . . . . . . . . . . . . . . 13
4.2 Geometric Interpretation of Statistical Distance . . . . . . . . . . . . . . . . . 14
4.3 Geometric Intuition of Covariance Matrix . . . . . . . . . . . . . . . . . . . . 15

5 Lecture 5 16
5.1 Multivariate Normal Distribution . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.1.1 Properties of Multivariate Normal Distribution . . . . . . . . . . . . . 17

6 Lecture 6 22
6.1 Estimation (by Maximum Likelihood) . . . . . . . . . . . . . . . . . . . . . . 22
6.1.1 Maximum Likelihood Estimates . . . . . . . . . . . . . . . . . . . . . . 22

7 Lecture 7 23
7.1 MLE of Multivariate Normal Distribution . . . . . . . . . . . . . . . . . . . . 23
7.1.1 Remarks about MLE . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
7.1.2 What is the distribution of µ̂M LE & Σ̂M LE ? . . . . . . . . . . . . . . 26

8 Lecture 8 27
8.1 Asymptotic Behavior of µ̂M LE & Σ̂M LE . . . . . . . . . . . . . . . . . . . . . 27
8.2 Data Inspection and Distributional Assumptions Check . . . . . . . . . . . . 27
8.2.1 Transformations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
8.3 Multivariate Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
8.3.1 Univariate Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
8.3.2 Multivariate Tests (of location, µ) . . . . . . . . . . . . . . . . . . . . 29

9 Lecture 9 30
9.1 Invariance Property of Hotelling’s T 2 . . . . . . . . . . . . . . . . . . . . . . . 30
9.2 Likelihood Ratio Tests (LRT) . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
9.3 Equivalence of Hotelling’s T 2 & Wilks’ Lambda . . . . . . . . . . . . . . . . . 32

10 Lecture 10 33
10.1 Confidence Regions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33



2

, 10.2 Simultaneously Valid Confidence Intervals . . . . . . . . . . . . . . . . . . . . 33
10.2.1 Correction for Simultaneous Validity . . . . . . . . . . . . . . . . . . . 34
10.2.2 Simultaneously Valid Individual Confidence Intervals . . . . . . . . . . 34
10.3 Bonferroni Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
10.4 Asymptotic Approximation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

11 Lecture 11 37
11.1 Principal Component Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . 37
11.1.1 Properties & Interpretation of principal components . . . . . . . . . . 38

12 Lecture 12 40
12.1 Principal Component Analysis (continued) . . . . . . . . . . . . . . . . . . . . 40
12.1.1 Principal components are not scale invariant . . . . . . . . . . . . . . 40
12.1.2 Special Cases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
12.1.3 How many principal components to retain? . . . . . . . . . . . . . . . 42
12.2 Factor Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

13 Lecture 13 44
13.1 Factor Analysis (continued) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
13.1.1 Estimation of L & Ψ . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
13.1.2 Estimation of Factor Scores . . . . . . . . . . . . . . . . . . . . . . . . 46
13.1.3 How to choose # of factors? . . . . . . . . . . . . . . . . . . . . . . . . 47




3

, 1 Lecture 1
1.1 Distance & Statistical Distance
Definition 1.1. Distance is a function defined on M .

d(x, y) : M × M → R

such that
a) d(x, y) ≥ 0, d(x, y) = 0 if x = y.
b) d(x, y) = d(y, x) (symmetry)
c) d(x, z) ≤ d(x, y) + d(y, z) (triangle inequality)
Example 1.1 (Euclidean distance).
p
d(x, y) = (x1 − y1 )2 + (x2 − y2 )2

△
Example 1.2 (Manhattan distance).

d(x, y) = |x1 − y1 | + |x2 − y2 |

△

1.2 Statistical Distance




Intuition. You might think that the red square is more extreme from the mean value
than blue square since it does not fall within the cloud of points. However, their Euclidean
distances are equal. Hence, we must take the variance into account when the cloud of
points is distributed in ellipse shape.




4

Voordelen van het kopen van samenvattingen bij Stuvia op een rij:

Verzekerd van kwaliteit door reviews

Verzekerd van kwaliteit door reviews

Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!

Snel en makkelijk kopen

Snel en makkelijk kopen

Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.

Focus op de essentie

Focus op de essentie

Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!

Veelgestelde vragen

Wat krijg ik als ik dit document koop?

Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.

Tevredenheidsgarantie: hoe werkt dat?

Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.

Van wie koop ik deze samenvatting?

Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper hyunminhong. Stuvia faciliteert de betaling aan de verkoper.

Zit ik meteen vast aan een abonnement?

Nee, je koopt alleen deze samenvatting voor €5,49. Je zit daarna nergens aan vast.

Is Stuvia te vertrouwen?

4,6 sterren op Google & Trustpilot (+1000 reviews)

Afgelopen 30 dagen zijn er 67474 samenvattingen verkocht

Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen

Start met verkopen
€5,49
  • (0)
  Kopen