Posted on Categories:Multivariate Statistical Analysis, 多元统计分析, 统计代写, 统计代考

# 统计代写|多元统计分析代考MULTIVARIATE STATISTICAL ANALYSIS代考|STAT730 POSITIVE DEFINITE MATRICES

avatest™

avatest.org多元统计分析Multivariate Statistical Analysis代写，免费提交作业要求， 满意后付款，成绩80\%以下全额退款，安全省心无顾虑。专业硕 博写手团队，所有订单可靠准时，保证 100% 原创。avatest.org/™， 最高质量的多元统计分析Multivariate Statistical Analysis作业代写，服务覆盖北美、欧洲、澳洲等 国家。 在代写价格方面，考虑到同学们的经济条件，在保障代写质量的前提下，我们为客户提供最合理的价格。 由于统计Statistics作业种类很多，同时其中的大部分作业在字数上都没有具体要求，因此多元统计分析Multivariate Statistical Analysis作业代写的价格不固定。通常在经济学专家查看完作业要求之后会给出报价。作业难度和截止日期对价格也有很大的影响。

avatest.org™ 为您的留学生涯保驾护航 在网课代考方面已经树立了自己的口碑, 保证靠谱, 高质且原创的网课代修服务。我们的专家在多元统计分析Multivariate Statistical Analysis代写方面经验极为丰富，各种多元统计分析Multivariate Statistical Analysis相关的作业也就用不着 说。

## 统计代写|多元统计分析代考MULTIVARIATE STATISTICAL ANALYSIS代考|POSITIVE DEFINITE MATRICES

The study of the variation and interrelationships in multivariate data is often based upon distances and the assumption that the data are multivariate normally distributed. Squared distances (see Chapter 1) and the multivariate normal density can be expressed in terms of matrix products called quadratic forms (see Chapter 4). Consequently, it should not be surprising that quadratic forms play a central role in multivariate analysis. In this section, we consider quadratic forms that are always nonnegative and the associated positive definite matrices.

Results involving quadratic forms and symmetric matrices are, in many cases, a direct consequence of an expansion for symmetric matrices known as the spectral decomposition. The spectral decomposition of a $k \times k$ symmetric matrix $\mathbf{A}$ is given $b^{1}$
$$\mathbf{A}=\lambda_{1} \underset{(k \times k)}{\mathbf{e}{1}} \underset{(k \times 1)(1 \times k)}{\mathbf{e}{1}^{\prime}}+\lambda_{2} \underset{(k \times 1)(1 \times k)}{\mathbf{e}{2}} \mathbf{e}{2}^{\prime}+\cdots+\lambda_{k} \underset{(k \times 1)(1 \times k)}{\mathbf{e}{k}} \mathbf{e}{k}^{\prime}$$
$(k \times k) \quad(k \times 1)(1 \times k) \quad(k \times 1)(1 \times k) \quad(k \times 1)(1 \times k)$
where $\lambda_{1}, \lambda_{2}, \ldots, \lambda_{k}$ are the eigenvalues of $\mathbf{A}$ and $\mathbf{e}{1}, \mathbf{e}{2}, \ldots, \mathbf{e}{k}$ are the associated normalized eigenvectors. (See also Result 2A.14 in Supplement 2A.) Thus, $\mathbf{e}{i}^{\prime} \mathbf{e}{i}=1$ for $i=1,2, \ldots, k$, and $\mathbf{e}{i}^{\prime} \mathbf{e}_{j}=0$ for $i \neq j$.

## 统计代写|多元统计分析代考MULTIVARIATE STATISTICAL ANALYSIS代考|A SQUARE-ROOT MATRIX

The spectral decomposition allows us to express the inverse of a square matrix in terms of its eigenvalues and eigenvectors, and this leads to a useful squareroot matrix.

Let $\mathbf{A}$ be a $k \times k$ positive definite matrix with the spectral decomposition $\mathbf{A}=\sum_{i=1}^{k} \lambda_{i} \mathbf{e}{i} \mathbf{e}{i}^{\prime}$. Let the normalized eigenvectors be the columns of another matrix $\mathbf{P}=\left[\mathbf{e}{1}, \mathbf{e}{2}, \ldots, \mathbf{e}{k}\right]$ Then $$\underset{(k \times k)}{\mathbf{A}}=\sum{i=1}^{k} \lambda_{i} \underset{(k \times 1)}{\mathbf{e}{i}} \underset{(1 \times k)}{\mathbf{e}{i}^{\prime}}=\underset{(k \times k)(k \times k)}{\mathbf{P}} \underset{(k \times k)}{\mathbf{P}} \underset{(k)}{\mathbf{P}^{\prime}}$$
where $\mathbf{P P}^{\prime}=\mathbf{P}^{\prime} \mathbf{P}=\mathbf{I}$ and $\boldsymbol{\Lambda}$ is the diagonal matrix
$$\underset{(k \times k)}{\boldsymbol{\Lambda}}=\left[\begin{array}{cccc} \lambda_{1} & 0 & \cdots & 0 \ 0 & \lambda_{2} & \cdots & 0 \ \vdots & \vdots & \ddots & \vdots \ 0 & 0 & \cdots & \lambda_{k} \end{array}\right] \quad \text { with } \lambda_{i}>0$$
Thus,
$$\mathbf{A}^{-1}=\mathbf{P} \mathbf{\Lambda}^{-1} \mathbf{P}^{\prime}=\sum_{i=1}^{k} \frac{1}{\lambda_{i}} \mathbf{e}{i} \mathbf{e}{i}^{\prime}$$
since $\left(\mathbf{P} \mathbf{\Lambda}^{-1} \mathbf{P}^{\prime}\right) \mathbf{P} \mathbf{\Lambda} \mathbf{P}^{\prime}=\mathbf{P} \mathbf{\Lambda} \mathbf{P}^{\prime}\left(\mathbf{P} \mathbf{\Lambda}^{-1} \mathbf{P}^{\prime}\right)=\mathbf{P} \mathbf{P}^{\prime}=\mathbf{I}$.

## 统计代写|多元统计分析代考MULTNARIATE STATISTICAL ANALYSIS代 考|POSITNE DEFINITE MATRICES

$$\mathbf{A}=\lambda_{1} \underset{(k \times k)(k \times 1)(1 \times k)}{\mathbf{e} 1} \underset{(k \times 1)(1 \times k)}{\mathbf{e} 1^{\prime}}+\lambda_{2} \underset{(k \times 1)(1 \times k)}{\mathbf{e} 2} \mathbf{e} 2^{\prime}+\cdots+\lambda_{k} \underset{(k)}{\mathbf{e} k} \mathbf{e} k^{\prime}$$
$(k \times k) \quad(k \times 1)(1 \times k) \quad(k \times 1)(1 \times k) \quad(k \times 1)(1 \times k)$

## 统计代写|多元统计分析代考MULTNARIATE STATISTICAL ANALYSIS代考|A SQUARE-ROOT MATRIX

$$\underset{(k \times k)}{\mathbf{A}}=\sum i=1^{k} \lambda_{i} \underset{(k \times 1)(1 \times k)}{\mathbf{e} i} \mathbf{e} i^{\prime}=\underset{(k \times k)(k \times k)(k \times k)(k)}{\mathbf{P}} \underset{\mathbf{P}}{\mathbf{P}} \mathbf{\mathbf { P } ^ { \prime }}$$

$$\mathbf{A}^{-1}=\mathbf{P} \mathbf{\Lambda}^{-1} \mathbf{P}^{\prime}=\sum_{i=1}^{k} \frac{1}{\lambda_{i}} \mathbf{e} i i^{\prime}$$

## MATLAB代写

MATLAB 是一种用于技术计算的高性能语言。它将计算、可视化和编程集成在一个易于使用的环境中，其中问题和解决方案以熟悉的数学符号表示。典型用途包括：数学和计算算法开发建模、仿真和原型制作数据分析、探索和可视化科学和工程图形应用程序开发，包括图形用户界面构建MATLAB 是一个交互式系统，其基本数据元素是一个不需要维度的数组。这使您可以解决许多技术计算问题，尤其是那些具有矩阵和向量公式的问题，而只需用 C 或 Fortran 等标量非交互式语言编写程序所需的时间的一小部分。MATLAB 名称代表矩阵实验室。MATLAB 最初的编写目的是提供对由 LINPACK 和 EISPACK 项目开发的矩阵软件的轻松访问，这两个项目共同代表了矩阵计算软件的最新技术。MATLAB 经过多年的发展，得到了许多用户的投入。在大学环境中，它是数学、工程和科学入门和高级课程的标准教学工具。在工业领域，MATLAB 是高效研究、开发和分析的首选工具。MATLAB 具有一系列称为工具箱的特定于应用程序的解决方案。对于大多数 MATLAB 用户来说非常重要，工具箱允许您学习应用专业技术。工具箱是 MATLAB 函数（M 文件）的综合集合，可扩展 MATLAB 环境以解决特定类别的问题。可用工具箱的领域包括信号处理、控制系统、神经网络、模糊逻辑、小波、仿真等。