[논문 리뷰] Asymptotic tail properties of the distributions in the class of dispersion models

Alexandre B. Simas, Gauss M. Cordeiro외 1명|ArXiv.org|2008. 09. 10.

Bayesian Methods and Mixture Models참고 문헌 6인용 수 4

한 줄 요약

이 논문은 소산자 근사에서 분산 모형의 渐近 꼬리 성질을 수립하며, Finner 등(2008)의 결과를 확장하여 표준화된 랜덤 변수의 밀도가 단위 분열 함수의 고차 도함수에 따라 변하는 보정 인자를 갖는 정규 밀도로 수렴함을 증명한다. 주요 기여는 균일 수렴 조건 하에 일반적인 적합한 분산 모형 클래스에 대해 사다리점 근사법을 일반화한 것으로, 이는 von Mises, Leipnik 및 일반화된 역수 가우시안 분포를 포함한다.

ABSTRACT

The class of dispersion models introduced by Jørgensen (1997b) covers many known distributions such as the normal, Student t, gamma, inverse Gaussian, hyperbola, von-Mises, among others. We study the small dispersion asymptotic (Jørgensen, 1987b) behavior of the probability density functions of dispersion models which satisfy the uniformly convergent saddlepoint approximation. Our results extend those obtained by Finner et al. (2008).

연구 동기 및 목표

• 지수 가족을 초월한 더 넓은 범위의 분산 모형으로 Finner 등(2008)의 소산자 근사 결과를 확장하기 위해.
• 분산 매개변수 σ² → 0 일 때 분산 모형에서 표준화된 변수의 밀도의 渐近 행동을 분석하기 위해.
• 사다리점 근사가 균일 수렴하는 조건을 확립하여 정밀한 꼬리 근사가 가능하도록 하기 위해.
• 단위 분열 함수의 세 번째 및 네 번째 도함수를 바탕으로 한 제한 정규 밀도의 명시적 보정 인자를 유도하기 위해.
• 특정 분포(예: von Mises, Leipnik, 일반화된 역수 가우시안)를 검토하고 수렴 속도 및 보정 항을 계산하기 위해.

제안 방법

• 단위 분열 함수 d(y;μ)를 사용하여 분산 모형 DM(μ,σ²)을 정의하며, 확률 밀도 f(y;μ,σ²) = a(y;σ²)exp{−½σ⁻²d(y;μ)}로 표현한다.
• 균일 수렴하는 사다리점 근사법을 적용: σ² → 0 일 때 f(y;μ,σ²) ∼ {2πσ²V(y)}⁻¹ᐟ²exp{−½σ⁻²d(y;μ)}이다.
• 분산 함수 V(μ) = 2 / ∂²ₘᵤₘᵤd(μ;μ)를 정의하며, 이는 표준화된 변수의 渐近 분산을 결정한다.
• d(y;μ)의 세 번째 및 네 번째 도함수를 사용하여 μ=μ₀에서의 극한 밀도 비율 f(xσ)/φ(xσ;0,V(μ₀)) → exp(β/24) 또는 유사한 표현을 유도한다.
• 정리 2–4를 적용하여 β = ∂³ₘᵤₘᵤₘᵤd(μ₀;μ₀) 및 고차 도함수를 포함한 보정 인자를 계산한다.
• 특정 모형에서 결과를 검증: von Mises, Leipnik, 변환된 Leipnik 및 수정된 세 파rameter 일반화된 역수 가우시안 모형을 대상으로 정확한 보정 항을 계산한다.

실험 결과

연구 질문

• RQ1 분산 매개변수 σ²가 0에 수렴할 때 분산 모형의 꼬리 성질은 어떻게 행동하는가?
• RQ2 균일 수렴 조건 하에 적합한 분산 모형에 대해 사다리점 근사법을 적용할 수 있으며, 이는 渐近 정규성에 어떤 영향을 미치는가?
• RQ3 단위 분열 함수의 고차 도함수가 0이거나 비영일 경우 제한 밀도에 어떤 보정 인자가 나타나는가?
• RQ4 von Mises, Leipnik 및 일반화된 역수 가우시안 분포와 같은 분포들 간의 수렴 속도 및 보정 항은 어떻게 다를까?
• RQ5 Finner(2008)의 정규 근사 결과는 지수 분산 모형을 초월한 비지수 분산 모형으로 얼마나 일반화될 수 있는가?

주요 결과

• 균일 수렴하는 사다리점 근사가 성립하는 모든 분산 모형에 대해, (Y−μ₀)/σ는 σ²→0 일 때 N(μ₀, V(μ₀))로 확률적 수렴을 이룬다.
• 단위 분열 함수의 네 번째 도함수가 비영일 경우, (X−μ₀)/σ의 밀도는 보정 인자 exp(β/24)를 갖는 정규 밀도로 수렴하며, 여기서 β = ∂⁴ₘᵤₘᵤₘᵤd(μ₀;μ₀)이다.
• von Mises 분포의 경우 보정 인자는 exp(β/24)이며, β = −2 이므로 f(xσ)/φ(xσ;0,1) → exp(−1/12)로 수렴한다.
• Leipnik 분포의 경우 보정 인자는 exp{−βμ₀/(1−μ₀)²}이며, β = 12μ₀/(1−μ₀)² 이므로 f(xσ)/φ(xσ;0,1−μ₀²) → exp{−βμ₀/(1−μ₀)²}로 수렴한다.
• 변환된 Leipnik 분포의 경우 보정 인자는 exp{−β(2μ₀−1)/(12[μ₀(1−μ₀)]²)}이며, β = 6(2μ₀−1)/[μ₀(1−μ₀)]² 이므로 f(xσ)/φ(xσ;0,μ₀(1−μ₀)) → exp{−β(2μ₀−1)/(12[μ₀(1−μ₀)]²)}로 수렴한다.
• 수정된 세 파rameter 일반화된 역수 가우시안의 경우 보정 인자는 exp{(3−a)β/(6μ₀³)}이며, β = −(6−2a)/μ₀³ 이므로 f(xσ)/φ(xσ;0,μ₀²) → exp{(3−a)β/(6μ₀³)}로 수렴한다.