[論文レビュー] Lambert W Random Variables - A New Family of Generalized Skewed Distributions

Georg M. Goerg|arXiv (Cornell University)|Dec 23, 2009

Sports Dynamics and Biomechanics被引用数 1

ひとこと要約

この論文は、非線形変換としてラムゼット・ワイ関数を用いて、対称的な確率変数を歪度パラメータ γ を介して歪度のあるものに変換する新しい一般化歪度分布族を導入する。この手法により、ファイナンスやバイオメディスインにおいて、歪度のあるデータの柔軟なモデリングが可能となり、推定が安定し、Rパッケージを介して実用的なデータの正規化も可能である。CRANで公開済み。

ABSTRACT

Originating from a system theory and an input/output point of view, I introduce a new class of generalized distributions. A parametric nonlinear transformation converts a random variable $X$ into a so-called Lambert $W$ random variable $Y$, which allows a very flexible approach to model skewed data. Its shape depends on the shape of $X$ and a skewness parameter $\gamma$. In particular, for symmetric $X$ and nonzero $\gamma$ the output $Y$ is skewed. Its distribution and density function are particular variants of their input counterparts. Maximum likelihood and method of moments estimators are presented, and simulations show that in the symmetric case additional estimation of $\gamma$ does not affect the quality of other parameter estimates. Applications in finance and biomedicine show the relevance of this class of distributions, which is particularly useful for slightly skewed data. A practical by-result of the Lambert $W$ framework: data can be unskewed. The $R$ package this http URL developed by the author is publicly available (http://cran.r-project.orgCRAN).

研究の動機と目的

• 従来の分布族よりも非対称データをより柔軟にモデリングできる新しい一般化歪度分布族の開発。
• 特にファイナンスやバイオメディスイン分野におけるわずかな歪度を持つ現実世界のデータを扱う際の、従来の分布の限界を解消すること。
• 元の分布の統計的性質を保ちつつ、歪度を1つのパラメータ γ を用いて導入する、変換に基づくフレームワークの提供。
• 変換を逆方向に適用することでデータの正規化（アンスキューイング）を可能とし、後続の解析を容易にすること。

提案手法

• 対称的確率変数 X をラムゼット・ワイ関数に基づくパrametric非線形変換により、歪度のあるラムゼット・ワイ確率変数 Y に変換する。
• 歪度パラメータ γ が歪度の程度と方向を制御し、γ = 0 の場合、元の対称分布に還元される。
• 得られる分布関数および確率密度関数は、入力分布の対応する関数の特別な形として導出される。
• パラメータ（γ を含む）の最尤推定法およびモーメント法推定法が開発された。
• このフレームワークにより、歪度のあるデータのモデリングと、元の対称形への変換の両方が可能である。
• 実用的な統計解析を支援する目的で、Rパッケージが実装され、CRANに公開された。

実験結果

リサーチクエスチョン

• RQ1 1つの歪度パラメータを用いて、対称分布から歪度分布を生成する一般的な変換フレームワークを構築できるか？
• RQ2 歪度パラメータ γ の導入が、他の分布パラメータの推定精度に与える影響はいかほどか？
• RQ3 ラムゼット・ワイフレームワークは、ファイナンスやバイオメディスイン分野の現実世界の歪度のあるデータをどの程度正確にモデル化できるか？
• RQ4 逆変換を用いてデータを効果的に正規化できるか？これにより、モデルの適合度と解釈可能性が向上するか？
• RQ5 この新しい分布族において、最尤推定法とモーメント法の推定性能はどのように比較できるか？

主な発見

• ラムゼット・ワイ変換は、歪度パラメータ γ によって制御される柔軟な歪度分布族を対称入力から成功裏に生成した。
• 対称的入力分布に対して非ゼロの γ を適用すると、出力に歪度が生じ、非対称データのモデリングが可能になる。
• シミュレーションにより、γ の推定が他のパラメータ推定の精度を低下させないことが示され、推定プロセスの頑健性が裏付けられた。
• この手法により、データの正規化（アンスキューイング）が可能となり、標準的な統計モデルの性能向上が見込まれる。
• ファイナンスおよびバイオメディスイン分野への応用から、わずかな歪度を持つデータのモデリングにおいて、このフレームワークの実用的意義が明確になった。
• 公開済みのRパッケージにより、研究者がこの手法を容易に実装でき、広範な採用が促進される。