[論文レビュー] Array Variate Skew Normal Random Variables with Multiway Kronecker Delta Covariance Matrix Structure

Deniz Akdemir|arXiv (Cornell University)|Mar 19, 2011

Statistical Distribution Estimation and Applications参考文献 3被引用数 9

ひとこと要約

本稿では、多次元データの効率的モデリングを可能にする、多様なKroneckerデルタ共分散構造を有する新しいアレイ変量スケวーナル分布のクラスを導入する。正規分布のアレイ変量密度をカーネルとし、標準正規分布の累積分布関数（CDF）をセレクション関数として用いるセレクションモデルを用いることで、構造化された共分散行列による次元削減が達成され、パラメータ数を顕著に削減しながら、多次元依存構造を保持する。

ABSTRACT

In this paper, we will discuss the concept of an array variate random variable and introduce a class of skew normal array densities that are obtained through a selection model that uses the array variate normal density as the kernel and the cumulative distribution of the univariate normal distribution as the selection function.

研究の動機と目的

• スケイプネスと複雑な依存構造を捉えることができる、多次元アレイ値データのための柔軟な確率モデルの開発。
• アレイの各次元にわたるKroneckerデルタ共分散構造を活用することで、多次元モデルのパラメータ数を削減すること。
• セレクションモデルフレームワークを用いて、スケイプノーマル分布を高次元アレイへ一般化すること。
• 高次元アレイデータにおける効率的な統計的推論および主成分分析を可能にすること。

提案手法

• カーネルとしてアレイ変量正規密度を用い、セレクション関数として標準正規分布の累積分布関数（CDF）を用いるセレクションモデルを提案する。
• 線形結合のCDFを含む重み関数との正規化積として、アレイ変量スケイプノーマル密度を定義する。
• R行列乗算と逆Kronecker積を用いて、アレイの多次元変換を単一線形形式に表現する。
• rvec作用素を用いて、アレイ方程式を統計的分析およびパラメータ推定のためのベクトル化形式に変換する。
• 各アレイ次元にわたる正定値行列のKronecker積を用いて、多次元共分散構造を実装する。
• 指定されたセレクション機構の下で、アレイ変量スケイプノーマル変数の分布を導出し、適切な正規化を保証する。

実験結果

リサーチクエスチョン

• RQ1 計算の実行可能性を維持しつつ、アレイ変量分布にスケイプネスを組み込む方法は何か？
• RQ2 スケイプノーマル分布の高次元アレイへの適切な一般化は何か？
• RQ3 Kroneckerデルタ共分散構造をどのようにしてアレイモデルのパラメータ数を削減するために応用できるか？
• RQ4 構造化された共分散を持つアレイ変量スケイプノーマルデータに対して、主成分分析を効率的に行うことは可能か？
• RQ5 形状パラメータアレイを対角行列と仮定することで、モデルの簡素化にどのような影響があるか？

主な発見

• Kronecker積構造を用いることで、共分散構造のパラメータ数を O(m₁m₂…mᵢ) から O(∑mⱼ) に削減する。
• 全共分散行列の固有値および固有ベクトルは、個々の次元ごとの共分散行列の固有値および固有ベクトルのKronecker積を用いて推定可能である。
• R行列乗算および逆Kronecker積の使用により、データの多次元依存構造が保持される。
• 密度関数は任意の次数 i ≥ 2 のアレイに対して適切に正規化され、定義されており、従来のアレイ変量正規およびスケイプノーマル分布の研究を拡張する。
• 形状パラメータアレイ Δ が対角行列であると、多くの要素が実際にはゼロに設定可能となり、より簡素化されたモデルが得られる。
• Kronecker構造を活用することで、スケーラブルな計算が可能となり、アレイデータに対する効率的な主成分分析が実現される。