Hypergeometrische Funktion mit Matrix-Argument
Die hypergeometrische Funktion mit Matrix-Argument ist eine Verallgemeinerung der verallgemeinerten hypergeometrischen Funktion auf ein Matrix-Argument. Sie taucht häufig in der multivariaten Statistik und in der Theorie der Zufallsmatrizen bei der Berechnung multivariater Integrale auf.
Eine Schwierigkeit beim Berechnen der Funktion besteht darin, dass man Jack-Polynome mit Parameter berechnen muss. Häufig interessiert man sich für den Fall , welches die zonalen Polynome sind. Dies sind orthogonale Polynome und multivariate Verallgemeinerungen der Monome. Außerdem sind sie Eigenfunktionen eines Differentialoperators und Jack-Polynome mit einer C-Normalisierung. Es gibt unterschiedliche Definitionen und Berechnungsmöglichkeiten.
Auch wenn es sich bei der hypergeometrischen Funktion mit Matrix-Argument eigentlich um eine verallgemeinerte hypergeometrische Funktion handelt, so verzichtet man in der Literatur in der Regel auf den Zusatz verallgemeinert.
Definition
Sei
- eine Partition einer Zahl , das heißt, es gilt und wobei .
- die Länge der Partition , das heißt die Anzahl Folgenglieder, welche verschieden von Null sind (das bedeutet ),
- das verallgemeinertes Pochhammer-Symbol.
- nicht-negative ganze Zahlen.
Seien und komplexe Zahlen und eine komplexe symmetrische Matrix mit Dimension . Die hypergeometrische Funktion mit Matrix-Argument ist definiert als
wobei die Summation über alle Partitionen von ist und das Jack-Polynom zum Parameter von für ist.[1][2]
Erläuterungen
- ist Skalar-wertig.
- In der Statistik und in der Stochastik interessiert man sich vor allem für den Fall , dann sind zonale Polynome respektive C-normalisierte Jack-Polynome.
Zweifaches Matrix-Argument
Analog definiert man die hypergeometrische Funktion für zwei symmetrische Matrizen und mit Dimension
wobei die Identitätsmatrix der Dimension ist.
Zonale Polynome
Sei eine symmetrische Matrix mit Eigenwerten und eine Partition von , welche nicht aus mehr als Teilen besteht. Die zonalen Polynome sind die Eigenfunktionen des Differentialoperators
das heißt sie erfüllen die partielle Differentialgleichung
mit
Literatur
- Arjun K. Gupta, D. K. Nagar: Matrix variate distributions. Chapman & Hall /CRC, 2000, ISBN 1-58488-046-5 (englisch).
- Robb J. Muirhead: Aspects of Multivariate Statistical Theory. Hrsg.: Wiley, Deutschland. 2009, S. 258.
Einzelnachweise
- Robb J. Muirhead: Aspects of Multivariate Statistical Theory. Hrsg.: Wiley, Deutschland. 2009, S. 258.
- Ioana Dumitriu, Alan Edelman und Gene Shuman: MOPS: Multivariate orthogonal polynomials (symbolically). In: Journal of Symbolic Computation. Band 42, Nr. 6, 2007, S. 603, doi:10.1016/j.jsc.2007.01.005.
- Robb J. Muirhead: Aspects of Multivariate Statistical Theory. Hrsg.: Wiley, Deutschland. 2009, S. 228.