[논문 리뷰] Inverse moments of univariate discrete distributions via the Poisson expansion

Koenraad M. R. Audenaert|ArXiv.org|2008. 09. 24.

Bayesian Methods and Mixture Models참고 문헌 29인용 수 4

한 줄 요약

이 논문은 계수의 계승률을 기반으로 한 계수의 누적량을 사용하여 단변량 이산분포, 특히 양의 이항분포의 역모멘트에 대한 새로운 급수 전개를 제안한다. 이 방법은 포아송-샤를리에 급수를 기반으로 하며, 전체 매개변수 범위 $0 \leq p \leq 1$ 에서 일관되고 빠르게 수렴하는 균일 유계 근사값을 제공한다. 기존의 渐近적 또는 발산하는 급수보다 정확성과 일관성 면에서 뛰어나다.

ABSTRACT

In this note we present a series expansion of inverse moments of a non-negative discrete random variate in terms of its factorial cumulants, based on the Poisson-Charlier expansion of a discrete distribution. We apply the general method to the positive binomial distribution and obtain a convergent series for its inverse moments with an error residual that is uniformly bounded on the entire interval 0<=p<=1.

연구 동기 및 목표

• 단변량 이산분포의 역모멘트에 대해 강력하고 수렴하는 급수 전개를 개발하기 위해.
• 기존 방법의 한계를 극복하기 위해, 이는 종종 전체 구간 $0 \leq p \leq 1$ 에서 발산하거나 느리게 수렴하는 경향이 있다.
• 특히 양의 이항분포에 이 방법을 적용하여 수치적으로 안정적이고 정확한 근사값을 제공하기 위해.

제안 방법

• 이 방법은 포아송-샤를리에 급수를 활용하여, 이산분포를 계수의 누적량에 대한 급수로 표현한다.
• 포아송 분포의 알려진 역모멘트를 활용하여 대상 분포의 역모멘트를 전개한다.
• 계수의 누적량의 생성함수와 전진/후진 차분 연산자의 행렬 표현을 통해 전개를 유도한다.
• 대상 분포를 포아송 기준 분포와 연결하기 위해 연산자 $ S = \exp\left(\sum_{k=2}^{\infty} \frac{\kappa^{(k)}}{k!} (-\nabla)^k \right) $ 를 사용한다.
• 포아송 분포의 역모멘트는 재귀 관계를 피하기 위해 직접 합산 또는 기호 계산(예: Mathematica)을 통해 계산한다.
• 수치적으로 $p \in [0,1]$ 전역에서 상대오차 및 절대오차 그림을 통해 수렴성을 검증한다.

실험 결과

연구 질문

• RQ1 전체 범위 $0 \leq p \leq 1$ 에서 균일 수렴하는 역모멘트 급수 전개를 구성할 수 있는가?
• RQ2 포아송 전개 방법의 수렴 성질은 기존의 渐近적 또는 발산하는 급수와 비교해 어떻게 다른가?
• RQ3 계수의 누적량은 어떻게 안정적이고 정확한 역모멘트 전개를 가능하게 하는가?

주요 결과

• 제안된 전개는 $0 \leq p \leq 1$ 전역에서 오차가 균일하게 유계인 양의 이항분포의 역모멘트에 대해 수렴하는 급수를 제공한다.
• 절대오차와 상대오차가 급수의 항 수가 증가함에 따라 급격히 감소하는 것으로 나타나, 빠른 수렴을 보인다.
• 수치적 결과(그림 4 및 5)는 기존 많은 전개와 달리, $p$ 의 극단적 값에서도 상대오차가 허용 가능한 범위 내에 유지됨을 확인한다.
• 계수의 누적량의 사용은 이항분포 외의 경우에도 일반화 가능한 체계적인 근사 프레임워크를 가능하게 한다.
• 이 방법은 계산적으로 실현 가능하며, 표준 기호 소프트웨어를 통해 구현 가능하다. 이는 부록 C의 Mathematica 코드로도 입증되었다.
• 이론적 기초는 포아송 전개 공식을 통해 엄밀히 증명되었으며, 수열 $g = S\pi_\mu$ 가 원래 분포 $f$ 를 복원함을 보여준다.