威沙特分布和逆威沙特分布（Wishart 分布及逆 Wishart 分布）

Wishart 分布

Wishart 分布是用来描述多元正态分布样本的协方差矩阵的。Wishart 分布的随机变量是一个随机矩阵。

定义

假设$X$是一个$n\ast p$的矩阵，其中，每一行$X_i$服从多元正态分布：
$$X_i\backsim N_p(0,\Sigma )$$
也就是每一个样本$X_i$服从$p$维的正太分布。
令
$$A=\sum _i{X}_i^T{X}_i$$
则随机矩阵$A$（$p\ast p维$）就是wishart分布的随机变量。
$A$也常被称作是散度矩阵：
$$A\backsim W_p(n,\Sigma )$$
$n$是自由度。

逆Wishart分布

如果一个正定矩阵$B$的逆矩阵$B^{-1}\backsim W_p(n,\Sigma )$，那么称$B\backsim W_p^{-1}(n,\Sigma )$

Inverse-Wishart分布常作为Bayes中多元正态分布的协方差阵的共轭先验分布

假设$X\in R^{n\ast p}，X_i\backsim N_p(0,\Sigma )，\Sigma \backsim W_p^{-1}(m,\Omega )$
那么$\Sigma$后验分布：
$$\Sigma |data\backsim W_p^{-1}(m+n,A+\Omega )，A=\sum _i{X}_i^T{X}_i=nS$$