您可以阅读,您需要提供所需的样本数量 n (即 n 随机矩阵),自由度 df 和函数的参数 Sigma . 此外,您还需要确定所需随机矩阵的维数 .
# Set parameters
n <- 1 # Number of matrices
p <- 5 # Dimension
df <- 10 # Degrees of freedom
Sigma <- toeplitz((p:1)/p) # the matrix parameter of the distribution
# Draw n Wishart distributed matrices
rwish <- drop(rWishart(n, df, Sigma))
print(rwish)
该函数生成一个1 x p x p数组(实际上是一个矩阵),但我们删除了不需要的维度 .
您可以“手动”生成一个Wishart分布式矩阵
library("mvtnorm")
rgaus <- rmvnorm(n = df, mean = rep(0, p), sigma = Sigma)
rwish2 <- crossprod(rgaus) # crossprod is the same as "t(rgaus) %*% rgaus"
1 回答
请运行
?rWishart
查看功能文档 .您可以阅读,您需要提供所需的样本数量
n
(即n
随机矩阵),自由度df
和函数的参数Sigma
. 此外,您还需要确定所需随机矩阵的维数 .该函数生成一个1 x p x p数组(实际上是一个矩阵),但我们删除了不需要的维度 .
您可以“手动”生成一个Wishart分布式矩阵
这应该有助于您更好地了解Wishart实际上的分布 . 它是来自具有方差
Sigma
的零均值多元正态分布的所谓散射矩阵df
样本的分布 .