[論文レビュー] Moments of minors of Wishart matrices

Mathias Drton, Hélène Massam+1 more|Apr 22, 2006

Mathematical Inequalities and Applications参考文献 13被引用数 31

ひとこと要約

本稿では、Wishart分布に従う確率的行列から構成される合成行列の期待値および共分散行列の正確な式を導出しており、多変量正規分布下での標本共分散行列のすべての小行列（3×3などの高階数のものも含む）のモーメントの計算を可能にしている。主な貢献は、Wishartの古典的結果（2×2小行列、すなわち四重項）を任意の階数の小行列へ一般化し、ガウス graphical モデルおよび潜在変数モデルにおける制約に基づく推論の基盤を提供することにある。

ABSTRACT

For a random matrix following a Wishart distribution, we derive formulas for the expectation and the covariance matrix of compound matrices. The compound matrix of order $m$ is populated by all $m imes m$-minors of the Wishart matrix. Our results yield first and second moments of the minors of the sample covariance matrix for multivariate normal observations. This work is motivated by the fact that such minors arise in the expression of constraints on the covariance matrix in many classical multivariate problems.

研究の動機と目的

• Wishart分布に従う確率的行列から構成される合成行列の一次および二次モーメントの正確な式を導出すること。
• Wishartの古典的結果（2×2小行列（四重項）の標本分散）を任意のサイズの高階数小行列へ拡張すること。
• 特に条件付き独立性および隠れ変数の制約に関する理論的枠組みを提供し、多変量正規モデルにおける小行列のモーメントを計算するための基盤を整えること。
• ガウス graphical モデルおよび潜在変数モデルにおける制約に基づくモデル選択および適合度検定を、高階数小行列を用いて支援すること。
• 尤度関数の数値的最大化を伴わずに、高階数小行列（例：3×3）を標準化する手法を確立すること。

提案手法

• Wishart行列のコレスキー分解の性質と不変性の議論を用いて、モーメントの式を導出する。
• バイネット＝コーシーの定理および置換に基づく展開を用いて、行列式の積の期待値を計算する。
• トレースおよび合成行列の恒等式を用いて、非中心Wishart行列の行列式の期待値を導出する。
• 条件付き独立構造を活用して、期待値がゼロとなる項を特定・削除することで、複雑な行列式展開を簡略化する。
• 小行列の共分散を、母共分散行列の部分行列および合成行列の積のトレースとして表現する。
• 置換の符号操作およびインデックス集合の分割を用いて、多次元行列式展開を扱いやすい形に簡約する。

実験結果

リサーチクエスチョン

• RQ1 Wishart分布に従う確率的行列の合成行列（すなわち、すべてのm×m小行列からなる行列）の期待値および共分散行列の正確な式は何か？
• RQ2 Wishartの古典的結果（2×2小行列（四重項）の分散）を、Wishart行列の高階数小行列（例：3×3、4×4）へどのように一般化できるか？
• RQ3 多変量正規分布からの標本抽出において、高階数小行列の分布的性質は何か、特に条件付き独立性および潜在変数の制約の検定に関してどうか？
• RQ4 潜在変数モデルにおいて、複雑な尤度関数の数値的最大化を伴わずに、高階数小行列のモーメントを計算できるか？
• RQ5 ガウス graphical モデルおよび因子モデルにおいて、m×m共分散行列の小行列がゼロとなる十分条件は何か？

主な発見

• 本稿では、任意のmおよび任意の正定値共分散行列に対して有効な、Wishart行列から得られるm階の合成行列の行列式の期待値に関する一般式を導出している。
• Wishart行列のすべてのm×m小行列の共分散行列は、母共分散行列の部分行列および合成行列の積のトレースとして表現される。
• 非中心Wishartの場合、行列式の二乗の期待値は、非中心パラメータ行列の累乗のトレースを含む有限和として与えられる：E[det(X)^2] = ∑_{k=0}^m (m−k)! · tr[(A A^T)^{(k)}]。
• 非中心Wishart行列の行列式の分散は、Var[det(X)] = ∑_{k=0}^{m-1} (m−k)! · tr[(A A^T)^{(k)}] で与えられる。
• 本手法により、高階数小行列（例：3×3）を標準化して仮説検定に用いることが可能となり、潜在変数モデルにおける尤度関数の最大化を回避できる。
• 結果として、因子モデル（例：m−1個の因子）においてm×m小行列がゼロとなることは、条件付き独立性の制約に対応しており、四重項条件を高階数へ一般化することを確認した。