[논문 리뷰] Gamma kernel estimation of multivariate density and its derivative on the nonnegative semi-axis by dependent data

L. A. Markovich|arXiv (Cornell University)|2014. 10. 09.

Statistical Methods and Inference참고 문헌 3인용 수 3

한 줄 요약

이 논문은 강한 혼합 조건 하에서 종속된 데이터를 사용하여 비모수적 다변량 확률 밀도 함수 및 그 부분 도함수의 감마 커널 기반 추정기를 제안한다. 점근적 편향, 분산, 공분산을 유도하고, 평균 통합 제곱오차(MISE)율 $ n^{-4/7} $을 달성하는 최적의 밴드위드를 확립한다. 이는 독립된 데이터 하에서 대칭 커널의 최적율과 일치하지만, $[0,\infty)^d$ 에서 비대칭이고 경계에 강건한 감마 커널에 적응된 것이다. 이 방법은 경계 편향과 종속된 관측치를 효과적으로 다루며, 수렴성과 밴드위드 선택에 대한 이론적 보장을 제공한다.

ABSTRACT

In this paper, we consider the nonparametric estimation of the multivariate probability density function and its partial derivative with a support on $[0,\infty)$. To this end we use the class of kernel estimators with asymmetric gamma kernel functions. The gamma kernels are nonnegative. They change their shape depending on the position on the semi-axis and are robust to the boundary bias problem. We investigate the mean integrated squared error (MISE) assuming dependent data with strong mixing and find the optimal bandwidth of the kernel as a minimum of the MISE. We derive the bias, the variance and the covariance of the density and of its partial derivative.

연구 동기 및 목표

• 비음수 반축에 정의된 다변량 데이터에 대한 비모수적 밀도 및 도함수 추정기를 개발하며, 이는 기존의 대칭 커널이 경계 편향 문제를 야기하기 때문이다.
• 이전에 단변량 또는 i.i.d. 경우에 사용된 감마 커널 추정을 강한 혼합 조건 하에서 종속된 다변량 데이터로 확장한다.
• 약한 의존성 하에서 감마 커널 밀도 및 도함수 추정기의 점근적 편향, 분산, 공분산을 도출한다.
• 밀도 및 도함수 추정의 평균 통합 제곱오차(MISE)를 최소화하는 최적의 밴드위드를 결정한다.
• 도함수 추정기의 MISE 수렴 최적율을 확립하며, 이는 독립된 데이터 하에서 알려진 최적율과 일치한다.

제안 방법

• 각 변량 커널이 평가점에 따라 형태 매개변수를 가지는 감마 밀도로 구성된 곱 감마 커널 추정기를 사용하여 $[0,\infty)^d$ 상의 다변량 밀도를 추정한다.
• 감마 커널의 내재된 음이 아닌 성질과 형태 적응성을 활용하여 반사나 변환 없이 $x=0$ 에서의 경계 편향을 감소시킨다.
• 강한 혼합 의존성 하에서 밀도 및 그 부분 도함수 추정기의 편향, 분산, 공분산을 유도한다.
• 모멘트 한계와 혼합 계수 $\alpha(k)$ 를 사용하여 의존성 구조를 제어하고 MISE의 점근적 행동을 도출한다.
• 공액 지수 $p,q$ 와 $r = p/(p-1)$ 를 사용한 $L^p$-노름 부등식을 적용하여 서로 다른 시간 지연에서의 커널 함수 공분산을 근사한다.
• 편향과 분산 항을 균형 잡는 방식으로 MISE를 최소화하여 도함수 추정기의 최적 밴드위드가 $n^{-2/7}$ 순서임을 도출한다.

실험 결과

연구 질문

• RQ1 강한 혼합 조건 하에서 종속된 데이터를 가진 다변량 밀도 추정에서 감마 커널 추정기는 경계 편향을 효과적으로 줄일 수 있는가?
• RQ2 강한 혼합 조건 하에서 다변량 밀도 및 그 부분 도함수의 감마 커널 추정기의 점근적 편향, 분산, 공분산은 무엇인가?
• RQ3 종속된 데이터 하에서 도함수 추정기의 MISE를 최소화하는 최적의 밴드위드 선택 규칙은 무엇인가?
• RQ4 의존성 존재 하에서도 도함수 추정기의 MISE는 i.i.d. 경우와 동일한 최적율 $n^{-4/7}$ 을 달성하는가?
• RQ5 공액 지수 $p,q,r$ 의 선택은 의존성 하에서 수렴 속도와 MISE 한계에 어떤 영향을 미치는가?

주요 결과

• 기저 밀도가 영점에서 쇄대를 이룰 경우, 즉 $f''(0) = 0$ 인 경우, 감마 커널 추정기는 경계 편향이 0이 된다. 이는 지수분포 및 감마분포 가족에서 성립한다.
• 도함수 추정기의 최적 밴드위드는 $n^{-2/7}$ 순서이며, 이는 최적의 MISE율 $n^{-4/7}$ 을 달성한다. 이는 i.i.d. 데이터 하에서 대칭 커널의 알려진 최적율과 일치한다.
• 도함수 추정기의 분산은 $b^{-d/2}/n$ 으로 스케일링되며, 편향은 $b$ 와 $b^2$ 의 순서이다.
• 공분산 항은 분산보다 천천히 감쇠하지만, 그 크기가 더 작아 MISE 최소화 과정에서 무시할 수 있다.
• MISE 한계는 강한 혼합 계수 $\alpha(\tau)$ 를 포함하며, 점근적 결과가 성립하기 위해 $\int_1^\infty \alpha(\tau)^\upsilon d\tau$ 가 유한해야 한다.
• 최종 MISE 한계는 제곱 편향과 분산 항의 합을 최소화함으로써 유도되며, 최적 밴드위드는 $b \sim n^{-2/7}$ 를 만족한다.