大维随机矩阵分析（analysis of large dimensional random matrices），理学-统计学-数理统计-大维随机矩阵分析，研究随机矩阵维数很大时矩阵谱的极限行为，并用以分析相应的统计问题。又称大维随机矩阵谱分析。高速计算技术的发展使得人们可以对大维巨量数据进行计算和统计推断。经典的极限理论是在维数固定而样本容量趋于无穷的假定下推导的。因此，许多经典的多元统计方法应用于大维数据时，它们或者根本不可以应用，或者即使可以应用，其效率也会很低。随机矩阵理论起源于量子物理的发展和研究，E.P.维格纳[注]在20世纪50年代首次将随机矩阵与量子物理结合起来，证明了随机矩阵标准化以后的经验谱分布的期望收敛到半圆律，这就是著名的高斯维格纳矩阵的半圆律。除了维格纳矩阵以外，大维样本协方差矩阵同样备受关注，这方面具有开创性的工作是20世纪60年代V.A.马琴科[注]和L.A.帕斯托尔[注]发现了大维样本协方差矩阵的极限谱分布，这就是著名的MP律。