[論文レビュー] A shape bias transformation with application to characteristic functions

Irina Shevtsova|arXiv (Cornell University)|Dec 30, 2012

Advanced Harmonic Analysis Research被引用数 1

ひとこと要約

本稿では、特徴関数の分析と元の分布および変換済み分布間のL1距離の正確なモーメント型推定値を導出するために、形状バイアス変換――特に正方形バイアスおよびゼロバイアス変換――を導入する。特徴関数の間の新しい関係を確立し、平均が0で3次モーメントが有限である任意の特徴関数が正規分布に近接する度合いについて、これらの変換の重積分を用いた新たな境界を示す。

ABSTRACT

The properties of the square bias transformation are studied, in particular, the precise moment-type estimate for the $L_1$-metric between the transformed and the original distributions is proved, a relation between their characteristic functions is found. As a corollary, some new moment-type estimates for the proximity of arbitrary characteristic function with zero mean and finite third moment to the normal one with zero mean and the same variance are proved involving the double integrals of the square- and zero- bias transformations.

研究の動機と目的

• 分布近似の文脈における正方形バイアス変換の性質を研究すること。
• 元の分布とその正方形バイアス版との間のL1距離に対する正確なモーメント型推定値を導出すること。
• 元の分布と変換済み分布の特徴関数の間の関数的関係を確立すること。
• 結果を応用して、非正規特徴関数が正規特徴関数に近接する度合いに対する新たな推定値を導出すること。
• 正方形バイアスおよびゼロバイアス変換の重積分を、特徴関数近似のモーメント型境界に組み込むこと。

提案手法

• 確率分布に正方形バイアス変換を適用し、モーメントが変更された新しい分布を生成する。
• 元の分布と正方形バイアス版との間のL1距離に対する正確なモーメント型推定値を導出する。
• 特徴関数理論を用いて、元の分布と変換済み分布の特徴関数の間の関数的関係を確立する。
• L1距離における近似誤差を制御するために、3次モーメント条件（有限な3次モーメント）を活用する。
• 正方形バイアスおよびゼロバイアス変換の重積分を用いて、特徴関数近似のモーメント型境界を構築する。
• 特徴関数理論とバイアス変換技術のツールを組み合わせ、定量的推定値を導出する。

実験結果

リサーチクエスチョン

• RQ1 正方形バイアス変換は、分布とその変換版との間のL1距離を推定するためにどのように利用可能か？
• RQ2 分布とその正方形バイアス版との間の特徴関数にどのような関数的関係が存在するか？
• RQ3 一般の特徴関数（平均0、有限な3次モーメント）が、同じ分散を持つ正規特徴関数に近接する度合いについて、モーメント型推定値を導出可能か？
• RQ4 正方形バイアスおよびゼロバイアス変換の重積分は、特徴関数近似の境界を改善するために果たす役割は何か？
• RQ5 得られた推定値は、既存の文献における境界と比べて、強さや一般性においてどのように差異を示すか？

主な発見

• 分布とその正方形バイアス版との間のL1距離に対する正確なモーメント型推定値が証明され、変換によって生じる乖離の定量的測定が可能になった。
• 元の分布と正方形バイアス版の特徴関数の間の直接的な関数的関係が確立され、特徴関数の挙動に対する解析的取り扱いが可能になった。
• 平均が0で3次モーメントが有限である任意の特徴関数が、同じ分散を持つ正規特徴関数に近接する度合いについて、新たなモーメント型推定値が導出された。
• 正方形バイアスおよびゼロバイアス変換の重積分の使用により、特にL1距離において特徴関数近似の境界が改善された。
• バイアス変換技術の適用範囲が、特に中心極限定理型の境界の文脈において、特徴関数近似にまで拡張された。
• 本フレームワークは、モーメントベースの指標を用いて、非正規特徴関数が正規分布からどれほど逸脱しているかを体系的に定量化する手法を提供する。