[논문 리뷰] An Elegant Method for Generating Multivariate Poisson Random Variables

Inbal Yahav, Robert H. Smith외 1명|arXiv (Cornell University)|2008. 01. 01.

Bayesian Methods and Mixture Models참고 문헌 9인용 수 7

한 줄 요약

이 논문은 주어진 상관 구조와 비율 파am터를 갖는 다변량 포아송 난수를 생성하기 위해 다변량 정규 분포 변량을 변환하는 계산적으로 효율적인 방법을 제안한다. 이 방법은 양의 상관과 음의 상관을 모두 갖는 데이터 시뮬레이션과 임의의 비율 벡터를 지원하여 이전 방법의 유연성과 복잡성의 한계를 초월한다.

ABSTRACT

Summary. 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.

연구 동기 및 목표

• 기존의 다변량 포아송 데이터 시뮬레이션 방법의 한계, 특히 복잡한 상관 구조를 다루는 데에서 문제를 해결하기 위해.
• 양의 상관과 음의 상관을 모두 지원하는 계산적으로 효율적인 알고리즘을 개발하기 위해.
• 다양한 변수 간 비율 파am터를 탄력적으로 설정할 수 있도록 하기 위해.
• 다변량 포아송 생성에 있어 개념적으로 단순하고 확장 가능한 접근법을 제공하기 위해.

제안 방법

• 지정된 상관계수 행렬을 갖는 다변량 정규 난수를 생성하는 것으로 시작한다.
• 그 후 정규 변량을 변환하여 목표로 하는 상관 구조를 유지하면서 포아송 분포 변수로 변환한다.
• 이 변환은 다변량 정규 분포를 사전에 지정된 비율 벡터를 갖는 다변량 포아송 분포로 매핑하도록 설계되어 있다.
• 이 방법은 결과로 얻어진 포아송 변수가 목표로 하는 상관계수 행렬과 귀속 확률를 유지하도록 보장한다.
• 최종 포아송 출력물의 종속성 구조를 제어하기 위해 다변량 정규 분포의 성질을 활용한다.

실험 결과

연구 질문

• RQ1 계산적으로 효율적인 방법이 임의의 상관계수 행렬을 갖는 다변량 포아송 데이터를 생성할 수 있는가?
• RQ2 이 방법은 시뮬레이션된 데이터에서 양의 상관과 음의 상관을 얼마나 잘 재현할 수 있는가?
• RQ3 이 방법은 변수 간 다른 비율 파am터를 얼마나 탄력적으로 처리할 수 있는가?
• RQ4 변환 과정은 목표로 하는 귀속 포아송 분포를 유지하면서도 목표 상관관계를 달성하는가?

주요 결과

• 제안된 방법은 양의 상관과 음의 상관을 모두 갖는 다변량 포아송 데이터를 성공적으로 생성한다.
• 모든 변수에서 시뮬레이션된 데이터의 정확한 귀속 비율 파am터를 유지한다.
• 계산 복잡도는 낮게 유지되어 고차원 설정에서도 확장 가능한 성능을 보인다.
• 변환 과정은 다변량 정규 변량을 제어된 종속성을 갖는 다변량 포아송 결과로 효과적으로 매핑한다.