当前位置: 首页 > 首页 > 正文

新加坡国立大学 文骏博士: Estimating the spectrum of a high dimensional covariance matrix via anticommuting variables

光华讲坛——社会名流与企业家论坛第5308期

主题:Estimating the spectrum of a high dimensional covariance matrix via anticommuting variables

主讲人:新加坡国立大学文骏博士

主持人:统计学院 林华珍教授

时间:2019年4月26日(星期四)下午3:00-4:00

地点:西南财经大学柳林校区弘远楼408会议室

主办单位:统计研究中心 统计学院 科研处

主讲人简介:

文骏于 2017 年在新加坡国立大学统计与应用概率系获得哲学博士学位,此后至今他留校担任博士后研究员。他的主要研究领域为数理统计,研究方向包括 Covariance matrix estimation, Random matrix theory, Spatial statistics, Gaussian random fields 等。

主要内容:

LetSpbe ap × psample covariance matrix such thatnSphas the Wishart distributionWp(n;Σp) where Σpis ap×ppopulation covariance matrix. KnowingSp, we propose a class of estimators for the spectrum of Σp. The estimators are derived by essentially minimizing the distance between the empirical Stieltjes transform ofSpand its expectation. The latter is expressed as a double integral over (0;∞)2 by the supersymmetry method involving Grassmann or anticommuting variables. Under suitable conditions, these estimators are shown to be weakly consistent asp ->∞such thatp/ntends to some constantc >0. Simulations indicate that the proposed estimators perform well relative to other state-of-the-art spectrum estimators.