威沙特分布

威沙特分布（Wishart distribution）是统计学中定义在半正定矩阵空间上的概率分布，专门用于刻画多元正态总体样本协方差矩阵的抽样分布规律。该分布由英国统计学家约翰·威沙特（John Wishart）于1928年首次系统阐述，其概率密度函数形式依赖于样本矩阵的行列式与迹运算，并包含多元Gamma函数作为归一化常数。作为协方差矩阵估计的核心模型，它连接了样本数据与总体参数，是构建多元假设检验统计量（如Cochran定理中的F统计量）及多元分析算法的理论基础。

在现代计算架构与数据科学生态中，威沙特分布扮演着连接原始观测数据与统计推断的关键角色。它不仅是多元正态分布理论体系的完备部分，更是处理高维数据协方差结构、进行贝叶斯推断（如共轭先验设定）以及构建随机矩阵理论模型的核心工具。尽管其数学形式涉及复杂的矩阵运算，但在实际工程落地中，通过Cholesky分解等算法可高效生成样本，广泛应用于金融风险管理、雷达信号处理、生物信息学及机器学习中的贝叶斯线性模型构建，是理解高维数据不确定性结构不可或缺的数学语言。