Gleichverteilung auf der Stiefel-Mannigfaltigkeit

Die Gleichverteilung auf der Stiefel-Mannigfaltigkeit ist eine matrixvariate Wahrscheinlichkeitsverteilung, die von besonderem Interesse in der multivariaten Statistik ist. Dort hat man häufig mit Integralen über der orthogonalen Gruppe oder der Stiefel-Mannigfaltigkeit bezüglich eines invarianten Maßes zu tun. Zum Beispiel erscheint die Verteilung bei der Untersuchung der Funktionaldeterminante bei Transformationen mit orthogonalen respektive semiorthogonalen Matrizen. Die Gleichverteilung auf der Stiefel-Mannigfaltigkeit ist das normalisierte Haar-Maß auf der Stiefel-Mannigfaltigkeit.

Eine Zufallsmatrix, welche gleichverteilt über der Stiefel-Mannigfaltigkeit ist, ist invariant unter der zweiseitigen Wirkung des Produktes der orthogonalen Gruppen O ( p ) × O ( n ) {\displaystyle O(p)\times O(n)} , das heißt X V 1 X V 2 {\displaystyle X\sim V_{1}XV_{2}} für V 1 O ( p ) , V 2 O ( n ) {\displaystyle V_{1}\in O(p),V_{2}\in O(n)} .

Gleichverteilung auf der Stiefel-Mannigfaltigkeit

Einführung

Sei V p , n := V n ( R p ) {\displaystyle V_{p,n}:=V_{n}(\mathbb {R} ^{p})} die Stiefel-Mannigfaltigkeit, das heißt der Raum aller orthonormalen n {\displaystyle n} -Rahmen in R p {\displaystyle \mathbb {R} ^{p}} für n p {\displaystyle n\leq p} . Wir können diese Mannigfaltigkeit auch als den Matrizenraum

V p , n = { X R p × n : X X = I n , n p } {\displaystyle V_{p,n}=\{X\in \mathbb {R} ^{p\times n}\colon X'X=I_{n},\;n\leq p\}}

darstellen. Die Stiefel-Mannigfaltigkeit ist homöomorph zum Quotientenraum der orthogonalen Gruppen

V p , n O ( p ) / O ( p n ) , {\displaystyle V_{p,n}\cong O(p)/O(p-n),}

wir können beide miteinander identifizieren und im Fall p = n {\displaystyle p=n} erhalten wir gerade die orthogonale Gruppe. Die Stiefel-Mannigfaltigkeit übernimmt die linke Gruppenwirkung

X V X , V O ( p ) . {\displaystyle X\to VX,\quad V\in O(p).}

O ( p n ) {\displaystyle O(p-n)} ist eine kompakte abgeschlossene Lie-Untergruppe von O ( p ) {\displaystyle O(p)} . Nach dem Satz von Haar existiert ein Haar-Maß auf O ( p ) {\displaystyle O(p)} , welches wiederum ein invariantes Maß auf dem Quotientenraum O ( p ) / O ( p n ) {\displaystyle O(p)/O(p-n)} induziert.

Herleitung des Haar-Maßes auf der Stiefel-Mannigfaltigkeit

Sei X O ( p ) {\displaystyle X\in O(p)} , dann differenzieren wir X X = I p {\displaystyle X'X=I_{p}} und erhalten

d X X + X d X = 0. {\displaystyle dX'X+X'dX=0.}

Seien x 1 , , x p {\displaystyle x_{1},\dots ,x_{p}} die Spalten von X = ( x 1 , , x p ) {\displaystyle X=(x_{1},\dots ,x_{p})} . Das äußere Produkt der superdiagonalen Elemente liefert eine Differentialform

( X d X ) := 1 i < j p x i d x j = 1 i < j p ( x 1 i d x 1 j + + x p i d x p j ) , {\displaystyle (X'dX):=\bigwedge \limits _{1\leq i<j\leq p}x'_{i}dx_{j}=\bigwedge \limits _{1\leq i<j\leq p}(x_{1i}dx_{1j}+\cdots +x_{pi}dx_{pj}),}

welche den Grad 1 2 p ( p 1 ) {\displaystyle {\tfrac {1}{2}}p(p-1)} hat und somit maximal ist. Diese Differentialform ist invariant unter der linken und der rechten Gruppenwirkung der orthogonalen Gruppe. Integration der Differentialform liefert das entsprechende Haar-Maß der orthogonalen Gruppe.

Sei nun X V p , n {\displaystyle X\in V_{p,n}} ein Element der Stiefel-Mannigfaltigkeit und von der Form X = ( x 1 , , x n ) {\displaystyle X=(x_{1},\dots ,x_{n})} . Dann wählen wir eine Matrix X = ( x n + 1 , , x p ) R p × ( p n ) {\displaystyle X^{\perp }=(x_{n+1},\dots ,x_{p})\in \mathbb {R} ^{p\times (p-n)}} , so dass [ X : X ] = ( x 1 , , x p ) O ( p ) {\displaystyle [X\colon X^{\perp }]=(x_{1},\dots ,x_{p})\in O(p)} . Die induzierte Differentialform des invarianten Maßes auf der Stiefel-Mannigfaltigkeit ist vom maximalen Grad 1 2 n ( 2 p n 1 ) {\displaystyle {\tfrac {1}{2}}n(2p-n-1)} und gegeben durch

( X d X ) := j = 1 p n 1 = i n x n + j d x i 1 i < j n x j d x i . {\displaystyle (X'dX):=\bigwedge \limits _{j=1}^{p-n}\bigwedge \limits _{1=i}^{n}x'_{n+j}dx_{i}\bigwedge \limits _{1\leq i<j\leq n}x'_{j}dx_{i}.}

Die Differentialform hängt nicht von einer spezifischen Form von X {\displaystyle X^{\perp }} ab und ist wieder invariant unter linker und rechter Gruppenwirkung.[1]

Integration des Haar-Maßes

Man kann nun zeigen, dass für das Integral des invarianten Maßes über der Stiefel-Mannigfaltigkeit folgende Rekursion

V p , n ( X d X ) = A p V p 1 , n 1 ( X d X ) 1 , A p := 2 π p / 2 Γ ( 1 2 p ) {\displaystyle \int _{V_{p,n}}(X'dX)=A_{p}\int _{V_{p-1,n-1}}(X'dX)_{-1},\qquad A_{p}:={\frac {2\pi ^{p/2}}{\Gamma ({\tfrac {1}{2}}p)}}}

gilt. Die Notation ( X d X ) 1 {\displaystyle (X'dX)_{-1}} steht hier einfach für das invariante Maß auf V p 1 , n 1 {\displaystyle V_{p-1,n-1}} .

Aus der Rekursion folgt

v ( p , n ) := V p , n ( X d X ) = 2 n π p n / 2 Γ n ( 1 2 p ) , {\displaystyle v(p,n):=\int _{V_{p,n}}(X'dX)={\frac {2^{n}\pi ^{pn/2}}{\Gamma _{n}({\tfrac {1}{2}}p)}},}

wobei Γ n {\displaystyle \Gamma _{n}} die multivariate Gammafunktion ist.[2]

Gleichverteilung auf der Stiefel-Mannigfaltigkeit

Die Gleichverteilung ist das eindeutige Haar-Wahrscheinlichkeitsmaß

[ d X ] = 1 v ( p , n ) ( X d X ) , {\displaystyle [dX]={\frac {1}{v(p,n)}}(X'dX),}

wobei

( X d X ) = j = 1 p n 1 = i n x n + j d x i 1 i < j n x j d x i {\displaystyle (X'dX)=\bigwedge \limits _{j=1}^{p-n}\bigwedge \limits _{1=i}^{n}x'_{n+j}dx_{i}\bigwedge \limits _{1\leq i<j\leq n}x'_{j}dx_{i}}

ist und die Normalisierungskonstante

v ( p , n ) = 2 n π p n / 2 Γ n ( 1 2 p ) {\displaystyle v(p,n)={\frac {2^{n}\pi ^{pn/2}}{\Gamma _{n}({\tfrac {1}{2}}p)}}} .[2]

Literatur

  • Arjun K. Gupta, D. K. Nagar: Matrix variate distributions. Chapman & Hall /CRC, ISBN 1-58488-046-5. 
  • Yasuko Chikuse: Statistics on Special Manifolds. Hrsg.: Springer (= Lecture Notes in Statistics. Band 174). New York 2003, doi:10.1007/978-0-387-21540-2. 
  • Yasuko Chikuse: Distributions of orientations on Stiefel manifolds. In: Journal of Multivariate Analysis. Band 33, Nr. 2, 1990, S. 247–264, doi:10.1016/0047-259X(90)90049-N. 
  • Alan Treleven James: Normal Multivariate Analysis and the Orthogonal Group. In: Ann. Math. Statist. Band 25, Nr. 1, 1954, S. 40 - 75, doi:10.1214/aoms/1177728846. 
  • K.V. Mardia und C.G. Khatri: Uniform distribution on a Stiefel manifold. In: Journal of Multivariate Analysis. Band 7, Nr. 3, 1977, S. 468–473, doi:10.1016/0047-259X(77)90087-2. 

Einzelnachweise

  1. Yasuko Chikuse: Statistics on Special Manifolds. Hrsg.: Springer (= Lecture Notes in Statistics. Band 174). New York 2003, S. 14–16, doi:10.1007/978-0-387-21540-2. 
  2. a b Arjun K. Gupta, D. K. Nagar: Matrix variate distributions. Chapman & Hall /CRC, ISBN 1-58488-046-5, S. 279–280. 
Diskrete univariate Verteilungen

Diskrete univariate Verteilungen für endliche Mengen:
Benford | Bernoulli | beta-binomial | binomial | Dirac | diskret uniform | empirisch | hypergeometrisch | kategorial | negativ hypergeometrisch | Rademacher | verallgemeinert binomial | Zipf | Zipf-Mandelbrot | Zweipunkt

Diskrete univariate Verteilungen für unendliche Mengen:
Boltzmann | Conway-Maxwell-Poisson | discrete-Phase-Type | erweitert negativ binomial | Gauss-Kuzmin | gemischt Poisson | geometrisch | logarithmisch | negativ binomial | parabolisch-fraktal | Poisson | Skellam | verallgemeinert Poisson | Yule-Simon | Zeta

Kontinuierliche univariate Verteilungen

Kontinuierliche univariate Verteilungen mit kompaktem Intervall:
Beta | Cantor | Kumaraswamy | raised Cosine | Dreieck | Trapez | U-quadratisch | stetig uniform | Wigner-Halbkreis

Kontinuierliche univariate Verteilungen mit halboffenem Intervall:
Beta prime | Bose-Einstein | Burr | Chi | Chi-Quadrat | Coxian | Erlang | Exponential | Extremwert | F | Fermi-Dirac | Folded normal | Fréchet | Gamma | Gamma-Gamma | verallgemeinert invers Gauß | halblogistisch | halbnormal | Hartman-Watson | Hotellings T-Quadrat | hyper-exponentiale | hypoexponential | invers Chi-Quadrat | scale-invers Chi-Quadrat | Invers Normal | Invers Gamma | Kolmogorow-Verteilung | Lévy | log-normal | log-logistisch | Maxwell-Boltzmann | Maxwell-Speed | Nakagami | nichtzentriert Chi-Quadrat | Pareto | Phase-Type | Rayleigh | relativistisch Breit-Wigner | Rice | Rosin-Rammler | shifted Gompertz | truncated normal | Type-2-Gumbel | Weibull | Wilks’ Lambda

Kontinuierliche univariate Verteilungen mit unbeschränktem Intervall:
Cauchy | Extremwert | exponential Power | Fishers z | Fisher-Tippett (Gumbel) | generalized hyperbolic | Hyperbolic-secant | Landau | Laplace | alpha-stabil | logistisch | normal (Gauß) | normal-invers Gauß’sch | Skew-normal | Studentsche t | Type-1-Gumbel | Variance-Gamma | Voigt

Multivariate Verteilungen

Diskrete multivariate Verteilungen:
Dirichlet compound multinomial | Ewens | gemischt Multinomial | multinomial | multivariat hypergeometrisch | multivariat Poisson | negativmultinomial | Pólya/Eggenberger | polyhypergeometrisch

Kontinuierliche multivariate Verteilungen:
Dirichlet | GEM | generalized Dirichlet | multivariat normal | multivariat Student | normalskaliert invers Gamma | Normal-Gamma | Poisson-Dirichlet

Multivariate Matrixverteilungen:
Gleichverteilung auf der Stiefel-Mannigfaltigkeit | Invers Wishart | Matrix Beta | Matrix Gamma | Matrix invers Beta | Matrix invers Gamma | Matrix Normal | Matrix Student-t | Matrix-Von-Mises-Fisher-Verteilung | Normal-invers-Wishart | Normal-Wishart | Wishart