Generalização da distribuição e classificação normais multivariadas

8

Estou interessado em uma família de distribuições multivariadas que podem ser vistas como uma generalização da distribuição normal multivariada, na medida em que são definidas por um valor de expectativa e uma matriz de covariância , além de uma função monotonamente decrescente modo que a densidade seja que é a distância de Mahalanobis. A normal multivariada é obviamente recuperada por . Σg(d)p(x )g(Δ(x ,μ ))Δ(a ,b )=μΣg(d)

p(x)g(Δ(x,μ))
g(d)=exp(- 1
Δ(a,b)=(ab)TΣ1(ab)
g(d)=exp(12d2)

Minha primeira pergunta é: Qual é o nome dessa família de distribuições?

É simples de mostrar que para a classificação de um determinado ponto de dados para uma de duas ou mais classes, cada um dos quais é descrito por uma tal densidade com diferentes mas idêntico e , os limites de classificação óptimas são lineares seccionalmente (hiperplanar).Σ g ( d )μΣg(d)

Minha segunda pergunta é: esse é um resultado padrão e, em caso afirmativo, qual é a referência padrão da literatura (manual)?

A. Donda
fonte
5
Que eu saiba, existem duas famílias de distribuições relacionadas à sua descrição: 1. Distribuições elípticas e 2. Distribuições esféricas .
Olá @Procrastinator, parece estranho ter uma postagem editada por outra pessoa, mas entendo o seu ponto. - Quanto ao seu comentário, acredito que as distribuições elípticas são exatamente o que quero dizer, e as distribuições esféricas são um caso especial. Portanto, acho que o que você escreveu não é um comentário, mas uma resposta. Muito obrigado! - Usando a terminologia recém-encontrada, uma busca por seu uso na classificação ainda não apareceu, então minha segunda pergunta ainda está aberta.
A.Delda

Respostas:

2

A resposta à primeira pergunta foi dada pelo procrastinador em um comentário: A família é chamada de Distribuições Elípticas . A referência padrão do livro parece ser

Fang, K., Kotz, S., Ng, KW, 1990. Distribuições simétricas multivariadas e relacionadas. Chapman e Hall.

μΣ

Hartikainen, A., Oja, H., 2006. Em algumas regras de discriminação paramétrica, não paramétrica e semiparamétrica, em: Profundidade dos Dados: Análise Multivariada Robusta, Geometria Computacional e Aplicações. Sociedade Americana de Matemática, pp. 61–70.

A. Donda
fonte