esso è davvero qualcosa. Per scoprirlo, dobbiamo esaminare ciò che sappiamo sulla correlazione stessa.
La matrice di correlazione di una variabile casuale a valori vettoriali X=(X1,X2,…,Xp) è la varianza-covarianza matrice, o semplicemente "varianza," della versione standardizzata di X . Cioè, ogni Xi è sostituito dalla sua versione recente e riscalata.
La covarianza di e X j è l'attesa del prodotto delle loro versioni centrati. Cioè, scrivendo X ′ i = X i - E [ X i ] e X ′ j = X j - E [ X j ] , abbiamoXiXjX′i=Xi−E[Xi]X′j=Xj−E[Xj]
Cov(Xi,Xj)=E[X′iX′j].
La varianza di , che scriverò Var ( X ) , non è un singolo numero. È l'array di valori Var ( X ) i j = Cov ( X i , X j ) .XVar(X)
Var(X)ij=Cov(Xi,Xj).
Il modo di pensare alla covarianza per la generalizzazione prevista è considerarlo un tensore . Ciò significa che è una raccolta completa dei quantitativi , indicizzati da i e j che va da 1 attraverso p , i cui valori cambiare in modo particolarmente semplice prevedibile quando X subisce una trasformazione lineare. In particolare, sia Y = ( Y 1 , Y 2 , … , Y q ) un'altra variabile casuale valutata dal vettore definita davijij1pXY=(Y1,Y2,…,Yq)
Yi=∑j=1pajiXj.
Le costanti (iejsonoindici-jnon è una potenza) formano unarrayq×pA=(ajiijjq×p,j=1,…,pei=1,…,qA=(aji)j=1,…,pi=1,…,q . La linearità delle aspettative implica
Var(Y)ij=∑akialjVar(X)kl.
In notazione matriciale,
Var(Y)=AVar(X)A′.
Tutti i componenti di realtà sono varianze univariate, a causa dell'identità di polarizzazioneVar(X)
4Cov(Xi,Xj)=Var(Xi+Xj)−Var(Xi−Xj).
Questo ci dice che se capisci le varianze delle variabili casuali univariate, capisci già le covarianze delle variabili bivariate: sono "solo" combinazioni lineari di varianze.
L'espressione nella domanda è perfettamente analoga: le variabili sono state standardizzate come in ( 1 ) . Possiamo capire cosa rappresenta considerando ciò che significa per qualsiasi variabile, standardizzata o meno. Vorremmo sostituire ogni X i con la sua versione centrata, come in ( 2 ) , e formare quantità con tre indici,Xi(1)Xi(2)
μ3(X)ijk=E[X′iX′jX′k].
Questi sono i momenti centrali (multivariati) di grado 3 . Come in , formano un tensore: quando Y = A X , allora(4)Y=AX
μ3(Y)ijk=∑l,m,naliamjankμ3(X)lmn.
Gli indici in questa tripla somma vanno oltre tutte le combinazioni di numeri interi da a p1p .
L'analogo dell'identità di polarizzazione è
24μ3(X)ijk=μ3(Xi+Xj+Xk)−μ3(Xi−Xj+Xk)−μ3(Xi+Xj−Xk)+μ3(Xi−Xj−Xk).
On the right hand side, μ3 refers to the (univariate) central third moment: the expected value of the cube of the centered variable. When the variables are standardized, this moment is usually called the skewness. Accordingly, we may think of μ3(X) as being the multivariate skewness of X. It is a tensor of rank three (that is, with three indices) whose values are linear combinations of the skewnesses of various sums and differences of the Xi. If we were to seek interpretations, then, we would think of these components as measuring in p dimensions whatever the skewness is measuring in one dimension. In many cases,
I primi momenti misurano la posizione of a distribution;
I secondi momenti (la matrice varianza-covarianza) misurano la sua diffusione;
I secondi momenti standardizzati (le correlazioni) indicano come varia la diffusione in p-dimensional space; and
Il terzo e il quarto momento standardizzati sono presi per misurare la forma of a distribution relative to its spread.
Per approfondire cosa potrebbe significare una "forma" multidimensionale, osserviamo che possiamo comprendere PCA come un meccanismo per ridurre qualsiasi distribuzione multivariata a una versione standard situata all'origine e uguali spread in tutte le direzioni. Dopo aver eseguito PCA, quindi, μ3 fornirebbe gli indicatori più semplici della forma multidimensionale della distribuzione. Queste idee si applicano altrettanto bene ai dati quanto alle variabili casuali, poiché i dati possono sempre essere analizzati in termini di distribuzione empirica.
Riferimento
Alan Stuart e J. Keith Ord, Quinta teoria della statistica avanzata di Kendall Quinta edizione, Volume 1: Teoria della distribuzione ; Capitolo 3, Momenti e Cumulanti . Oxford University Press (1987).
Appendix: Proof of the Polarization Identity
Let x1,…,xn be algebraic variables. There are 2n ways to add and subtract all n of them. When we raise each of these sums-and-differences to the nth power, pick a suitable sign for each of those results, and add them up, we will get a multiple of x1x2⋯xn.
More formally, let S={1,−1}n be the set of all n-tuples of ±1, so that any element s∈S is a vector s=(s1,s2,…,sn) whose coefficients are all ±1. The claim is
2nn!x1x2⋯xn=∑s∈Ss1s2⋯sn(s1x1+s2x2+⋯+snxn)n.(1)
Indeed, the Multinomial Theorem states that the coefficient of the monomial xi11xi22⋯xinn (where the ij are nonnegative integers summing to n) in the expansion of any term on the right hand side is
(ni1,i2,…,in)si11si22⋯sinn.
In the sum (1), the coefficients involving xi11 appear in pairs where one of each pair involves the case s1=1, with coefficient proportional to s1 times si11, equal to 1, and the other of each pair involves the case s1=−1, with coefficient proportional to −1 times (−1)i1, equal to (−1)i1+1. They cancel in the sum whenever i1+1 is odd. The same argument applies to i2,…,in. Consequently, the only monomials that occur with nonzero coefficients must have odd powers of all the xi. The only such monomial is x1x2⋯xn. It appears with coefficient (n1,1,…,1)=n! in all 2n terms of the sum. Consequently its coefficient is 2nn!, QED.
We need take only half of each pair associated with x1: that is, we can restrict the right hand side of (1) to the terms with s1=1 and halve the coefficient on the left hand side to 2n−1n! . That gives precisely the two versions of the Polarization Identity quoted in this answer for the cases n=2 and n=3: 22−12!=4 and 23−13!=24.
Of course the Polarization Identity for algebraic variables immediately implies it for random variables: let each xi be a random variable Xi. Take expectations of both sides. The result follows by linearity of expectation.