Wolfram mathematica WishartDistribution的逆[_]和(_)^(-1)之间的数学差异
有人知道为什么下列矩阵的随机分布会生成不同的图吗?这是从使用逆Wishart分布采样的一组10x10矩阵生成第一个单元的PDF图的代码;令人惊讶的是,根据执行矩阵求逆的方式,曲线图是不同的——似乎正确的曲线图是通过求逆得到的,为什么 基本代码:Wolfram mathematica WishartDistribution的逆[_]和(_)^(-1)之间的数学差异,wolfram-mathematica,mathematica-8,Wolfram Mathematica,Mathematica 8,有人知道为什么下列矩阵的随机分布会生成不同的图吗?这是从使用逆Wishart分布采样的一组10x10矩阵生成第一个单元的PDF图的代码;令人惊讶的是,根据执行矩阵求逆的方式,曲线图是不同的——似乎正确的曲线图是通过求逆得到的,为什么 基本代码: << MultivariateStatistics`; Module[{dist, p, k, data, samples, scale, graphics, distribution}, p = 10; k
<< MultivariateStatistics`;
Module[{dist, p, k, data, samples, scale, graphics, distribution},
p = 10;
k = 13;
samples = 500;
dist = WishartDistribution[IdentityMatrix[p], k];
(* a samples x p x p array *)
data = Inverse[#] & /@ RandomVariate[dist, samples];
(* distribution graphics *)
distribution[i_, j_] := Module[{fiber, f, mean, rangeAll, colorHue},
fiber = data[[All, i, j]];
dist = SmoothKernelDistribution[fiber];
f = PDF[dist];
Plot[f[z], {z, -2, 2},
PlotLabel -> ("Mean=" <> ToString[Mean[fiber]]),
PlotRange -> All]
];
Grid @ Table[distribution[i, j], {i, 1, 3}, {j, 1, 5}]
]
由此
data = #^(-1) & /@ RandomVariate[dist, samples];
您将看到绘制的分布是不同的。逆计算矩阵逆,即如果a是平方矩阵,则逆[a]。a将是单位矩阵
a^-1与1/a相同,即它给出每个矩阵元素的倒数。^运算符按元素赋予幂。如果需要矩阵幂,请使用矩阵幂。逆计算矩阵逆,即如果a是平方矩阵,则逆[a]。a将是单位矩阵
a^-1与1/a相同,即它给出每个矩阵元素的倒数。^运算符按元素赋予幂。如果您想要矩阵幂,请使用矩阵幂
data = #^(-1) & /@ RandomVariate[dist, samples];