[論文レビュー] An Elegant Method for Generating Multivariate Poisson Data

Inbal Yahav, Galit Shmueli|arXiv (Cornell University)|Oct 30, 2007

Simulation Techniques and Applications参考文献 3被引用数 2

ひとこと要約

本稿では、事前に指定された相関構造とレートパラメータを持つ多変量ポアソン分布データを生成する計算的に効率的な手法を提案する。この手法は、多変量正規乱数をポアソン分布に変換することで、任意のレートベクトルと正負の相関を含む相関構造を持つ多変量ポアソンデータを生成可能にし、従来の手法に比べて柔軟性と計算複雑性の面で優れる。

ABSTRACT

Generating multivariate Poisson data is essential in many applications. Current simulation methods suffer from limitations ranging from computational complexity to restrictions on the structure of the correlation matrix. We propose a computationally efficient and conceptually appealing method for generating multivariate Poisson data. The method is based on simulating multivariate Normal data and converting them to achieve a specific correlation matrix and Poisson rate vector. This allows for generating data that have positive or negative correlations as well as different rates. 1.

研究の動機と目的

• 既存の多変量ポアソンデータのシミュレーション手法に見られる、複雑な相関構造の取り扱いの制限を解消すること。
• 計算的に効率的でかつ概念的に単純なシミュレーション手法を開発すること。
• 正および負の相関を両方とも持つ多変量ポアソンデータの生成を可能にすること。
• 変数間で任意のレートベクトルをサポートすることで、多様な統計的モデリングの文脈への応用性を高めること。

提案手法

• まず、所定の相関行列を持つ多変量正規乱数を生成する。
• マージンの分散を所望のポアソンレートに一致させるために、位置・スケール変換を多変量正規データに適用する。
• 変換された正規乱数を四捨五入することで、離散的なポアソン分布のマージンを誘導する。
• 決定論的な変換により、元の正規データの相関構造が最終的なポアソンデータに保持される。
• ポアソンレートベクトルおよび相関行列を任意に指定可能であり、負の相関も含む。
• 標準的な多変量正規乱数生成と単純な四捨五入操作に依存するため、計算的に効率的である。

実験結果

リサーチクエスチョン

• RQ1 任意の相関構造を持つ多変量ポアソンデータを効率的に生成できるシミュレーション手法を開発できるか？
• RQ2 多変量ポアソンデータにおいて、正および負の相関を信頼性高く誘導するにはどうすればよいか？
• RQ3 指定されたポアソンレートを維持しつつ、望ましい相関パターンを達成するにはどの程度の精度で可能か？
• RQ4 提案手法は高次元設定に対しても計算的に実行可能でスケーラブルか？

主な発見

• 本手法は、事前に指定された相関行列とレートベクトルを持つ多変量ポアソンデータを効果的に生成できた。
• 従来の手法では常に可能でない正および負の相関をサポートしている。
• 変換プロセスにより、連続的な正規乱数から離散的なポアソン結果への変換において、意図した相関構造が保持された。
• 計算複雑性は低く保たれ、標準的な多変量正規乱数生成と四捨五入に依存するにとどまる。
• 本手法は柔軟性があり、広範な相関およびレートパrameterの設定に適用可能である。
• 本手法は概念的に単純であり、統計ソフトウェア環境での容易な実装が可能である。