[論文レビュー] Matrix Poisson distribution

Yuriy Yurchenko|arXiv (Cornell University)|Apr 12, 2021

Material Science and Thermodynamics被引用数 2

ひとこと要約

本稿では、行列値の確率変数を対象とする多変量一般化としての行列ポアソン分布を導入する。主な統計的性質としてモーメント生成関数や共分散構造を導出し、多変量正規分布および行列正規分布が特定の条件下で行列ポアソン分布を近似可能であることを確立する。

ABSTRACT

In this article, we define a matrix Poisson distribution. We prove some properties of the matrix Poisson distribution, for example, the probability mass function, cumulative distribution function, transformation, expected value, variance - covariance matrix, moment - generating function, central moment - generating function, cumulant - generating function, characteristic function, probability - generating function and factorial cumulant - generating function. We prove that the multivariate normal distribution can be used as an approximation to the multivariate Poisson distribution under certain conditions. We prove that the matrix normal distribution can be used as an approximation to the matrix Poisson distribution under certain conditions.

研究の動機と目的

• 多変量カウントデータをモデル化するための、ポアソン分布の行列値への拡張を形式化すること。
• 確率質量関数、モーメント生成関数、累積モーメント生成関数を含む包括的な統計的性質の導出。
• 行列ポアソン分布の漸近的挙動およびその近似の調査。
• 多変量正規分布および行列正規分布が有効な近似として機能する条件の確立。

提案手法

• 行列変量の確率変数を用いて、単変量ポアソン分布の多変量一般化として行列ポアソン分布を定義する。
• 行列ポアソン分布の確率質量関数および累積分布関数を導出する。
• 行列代数および生成関数を用いて、期待値、分散-共分散行列、および高次モーメントを計算する。
• モーメント生成関数、中心モーメント生成関数、累積モーメント生成関数、特性関数、確率生成関数を導出する。
• 漸近的理論を適用し、大規模パラメータ条件下で多変量正規分布が行列ポアソンを近似可能であることを示す。
• 行列変量の漸近的性質を活用して、近似を行列正規分布へ拡張する。

実験結果

リサーチクエスチョン

• RQ1 単変量ポアソン分布は、多変量カウントデータをモデル化するために、どのように行列変量設定に一般化できるか？
• RQ2 行列ポアソン分布の包括的な統計的性質（例えば、モーメント生成関数や累積モーメント生成関数）は何か？
• RQ3 多変量正規分布が行列ポアソン分布に対して有効な近似を提供する条件は何か？
• RQ4 行列正規分布が行列ポアソン分布に対して近似として機能する条件は何か？

主な発見

• 行列ポアソン分布は、行列値の結果に対して明確に定義された確率質量関数および累積分布関数を備えており、形式的に定義されている。
• 行列代数を用いて、行列ポアソン分布の期待値および分散-共分散行列が導出され、カウントデータの多変量解析が可能になる。
• 行列ポアソン分布のモーメント生成関数、累積モーメント生成関数、特性関数が明示的に定式化されている。
• 行列パラメータがスケール的に大きくなる条件下で、多変量正規分布が行列ポアソン分布に対して有効な近似である。
• 同様の大規模条件のもとで、行列正規分布が行列ポアソン分布に対して有効な近似として機能し、行列変量データへの適用範囲が拡張される。