Kovariančná matica a viacrozmerné gaussovské rozdelenie

Zhrnutie prednášky

Prednáška zavádza kovariančnú maticu náhodného vektora s konečnými rozptylmi ako maticu m×m, ktorej prvky sú vzájomné kovariancie jeho zložiek. Je symetrická a na diagonále obsahuje rozptyly jednotlivých zložiek. Lektor ďalej vysvetľuje lineárnu transformáciu Y = AX + b, v ktorej je každá zložka Y lineárnou kombináciou zložiek X, a uvádza jej praktické využitie, napríklad projekciu alebo rotáciu mnohorozmerných dát. Kovariančná matica sa pri nej mení podľa vzťahu Cov(Y) = A·Cov(X)·Aᵀ, pričom posun o konštantný vektor b ju neovplyvní. Táto vlastnosť je základom pre neskoršiu definíciu mnohorozmerného normálneho rozdelenia.

• - Kovariančná matica náhodného vektora X s m zložkami je matica m×m s prvkami Cov(Xi, Xj).
• - Matica je symetrická a na diagonále má rozptyly zložiek, pretože Cov(Xi, Xi) = Var(Xi).
• - Kovariančná matica existuje pre vektory s konečnými rozptylmi, nielen pre gaussovské vektory.
• - Lineárna transformácia Y = AX + b robí z každej zložky Y lineárnu kombináciu zložiek X plus konštantu.
• - Platí Cov(Y) = A·Cov(X)·Aᵀ; konštantný posun b kovariancie nemení.
• - Lineárne transformácie zodpovedajú napríklad projekcii alebo rotácii dát a bežne sa používajú v mnohorozmernej štatistike a dátovej vede.
• - Kovariančná matica je základom definície mnohorozmerného normálneho náhodného vektora, ktorá bude nasledovať.

Zhrnutie pripravené s pomocou AI z prepisu videa.