A független komponens analízis és empirikus vizsgálata*
A független komponens analízis és empirikus vizsgálata*
A független komponens analízis és empirikus vizsgálata*
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
A <strong>független</strong> <strong>komponens</strong> <strong>analízis</strong> <strong>és</strong> <strong>empirikus</strong> vizsgálata<br />
f i -k ismeretlenek, ezeket általában T<br />
bx i segítségével becsüljük, vagyis az ekvivalencia<br />
a gyakorlatban valóban fennáll.<br />
1.2.4. Kumuláns tenzor<br />
Ahogy azt a csúcsosság esetében is láthattuk, a valószínűségi változók <strong>független</strong>ségének<br />
vizsgálatakor a negyedrendű statisztikák nagy segítséget nyújthatnak. Nem<br />
meglepő tehát, hogy negyedrendű kumulánsok (Kendall–Stuart–Ord [1983]) vizsgálatával<br />
a <strong>független</strong> <strong>komponens</strong>ekre való felbontás szintén elvégezhető.<br />
Az Si, Sj, Sk, Sl valószínűségi változók negyedrendű keresztkumulánsa definíció<br />
szerint:<br />
( Si Sj Sk Sl) E( SiSjSkSl) −E( SiSj) E(<br />
SkSl) −<br />
E( SS i k) E( SS j l) −E(<br />
SS i l) E(<br />
SS j k)<br />
cum , , , =<br />
– .<br />
Definiáljuk a negyedrendű kumuláns tenzort, mint lineáris operátort az n× n méretű<br />
mátrixok terében, az Si, i = 1,2, … , n valószínűségi változók negyedrendű<br />
keresztkumulánsai segítségével:<br />
ahol ( )<br />
S ij<br />
( ) ∑m<br />
⋅ ( S S S S )<br />
Statisztikai Szemle, 91. évfolyam 3. szám<br />
263<br />
/17/<br />
F M = cum , , , ,<br />
/18/<br />
S ij kl i j k l<br />
kl<br />
F M a tenzor általi transzformáció eredményének ij-edik eleme, m kl pedig<br />
a transzformált M mátrix kl-edik eleme. Ez a négydimenziós tenzor nyilván szimmetrikus,<br />
5 tehát diagonalizálható, azaz létezik olyan K sajátmátrix <strong>és</strong> λ sajátérték<br />
(Praszolov [2005]), hogy:<br />
FK ( ) = λK<br />
.<br />
/19/<br />
Megmutatható, hogy a tenzornak n nemnulla sajátértéke van, melyek éppen az i S<br />
valószínűségi változók csúcsosságaival egyenlők (Hyvärinen–Karhunen–Oja<br />
[2001]). Állítsuk elő az X bemeneti adatokból a V fehérített adatokat, <strong>és</strong> képezzük<br />
ezekből az FV kumuláns tenzort. Megmutatható az is, hogy ekkor a K sajátmátrixok<br />
mindegyike = T<br />
i i i<br />
5<br />
cum ( i, j, k, l)<br />
K w w alakú, azaz a szétválasztómátrix egy w i oszlopának önma-<br />
S S S S értéke nem függ i, j, k <strong>és</strong> l sorrendjétől.