[논문 리뷰] Maximum Likelihood Estimation for Nets of Conics

Stefan Dye, Kathlén Kohn외 2명|arXiv (Cornell University)|2020. 11. 17.

Topological and Geometric Data Analysis참고 문헌 3인용 수 5

한 줄 요약

이 논문은 3×3 대칭 행렬의 3차원 선형 공간—즉, 쌍곡선의 네트워크로 알려진—알제브라적 통계의 맥락에서 최대우도추정(MLE)을 연구한다. 각 네트워크의 역표면(ℙ⁵ 내의 유리 표면)을 분석함으로써, Wall(1977)에 의해 분류된 13종류의 정규 네트워크에 대해 최대우도도수(MLD)와 역최대우도도수를 계산한다. 이 관계 rmld(ℒ) = deg(ℙℒ⁻¹) + mld(ℒ) − 1이 일반적으로 성립하지는 않지만, 일반적인 네트워크 유형 A에서는 성립하며, 이 경우 mld = 7, rmld = 7이다.

ABSTRACT

We study the problem of maximum likelihood estimation for $3$-dimensional linear spaces of $3 imes 3$ symmetric matrices from the point of view of algebraic statistics where we view these nets of conics as linear concentration or linear covariance models of Gaussian distributions on $\mathbb{R}^3$. In particular, we study the reciprocal surfaces of nets of conics which are rational surfaces in $\mathbb{P}^5$. We show that the reciprocal surfaces are projections from the Veronese surface and determine their intersection with the polar nets. This geometry explains the maximum likelihood degrees of these linear models. We compute the reciprocal maximum likelihood degrees. This work is based on Wall's classification of nets of conics from 1977.

연구 동기 및 목표

• ℙ⁵ 내의 정규 쌍곡선 네트워크 13종류에 대해 최대우도도수(MLD)와 역최대우도도수를 계산한다.
• 각 네트워크의 역표면 ℙℒ⁻¹을 ℙ⁵ 내의 베론네제 표면의 사영으로 특성화한다.
• ML 기반 국소화를 역표면과 펄스 네트워크 ℙℒ⊥의 교차로 정의하고, 이를 공통 쌍곡선 영점의 기하학과 연결한다.
• 식 rmld(ℒ) = deg(ℙℒ⁻¹) + mld(ℒ) − 1이 펜슬에서 네트워크로 일반화되는지 조사한다.
• 일반적인 유형 A 네트워크의 mld = 7 및 rmld = 7임을 확립하고, 유형 A 네트워크가 역최대우도도수에 대해 일반적인지 추측한다.

제안 방법

• Wall의 1977년 분류에 따라, 판별 삼차곡선을 기반으로 13개의 기하학적 유형(A–H, 쌍대형 포함)으로 정규 쌍곡선 네트워크를 분류한다.
• 역표면 ℙℒ⁻¹을 ℙ⁵ 내에서 {A⁻¹ | A ∈ ℒ, det(A) ≠ 0}의 자리키 클로처로 정의하고, 이것이 베론네제 표면의 사영임을 증명한다.
• 트레이스 쌍형을 사용해 펄스 네트워크 ℙℒ⊥를 정의하고, ML 기반 국소화를 ℙℒ⁻¹ ∩ ℙℒ⊥로 계산한다.
• 대수기하학 도구를 적용: 차수 계산, 특이점 분석(예: 랭크 1 점에서의 매끄러움), 그리고 역표면이 기반 국소화에서 매끄럽다면 mld(ℒ) = deg(ℙℒ⁻¹) − deg(base locus) 공식을 사용한다.
• Macaulay2를 사용해 비일반적인 유형의 역최대우도도수를 계산하고, 유형 A의 여러 사례를 샘플링하여 rmld = 7임을 확인한다.
• 합동 작용에 대한 역최대우도도수의 불변성을 활용해, 궤도 유형별로 결과를 계산한다.

실험 결과

연구 질문

• RQ1 ℙ⁵ 내의 모든 정규 쌍곡선 네트워크에 대해 최대우도도수(MLD)는 무엇인가?
• RQ2 쌍곡선 네트워크의 역표면 ℙℒ⁻¹은 기하학적으로 베론네제 표면과 어떻게 관련이 있는가?
• RQ3 식 rmld(ℒ) = deg(ℙℒ⁻¹) + mld(ℒ) − 1은 모든 쌍곡선 네트워크에 대해 성립하는가, 아니면 일반적인 경우에만 성립하는가?
• RQ4 ML 기반 국소화 ℙℒ⁻¹ ∩ ℙℒ⊥의 구조는 무엇이며, 네트워크 내 공통 쌍곡선 영점과 어떻게 관련이 있는가?
• RQ5 유형 A(일반적인 네트워크)는 유일하게 역최대우도도수 = 7인가? 그리고 이 값은 3차원 대칭 행렬 선형 공간 전반에 걸쳐 일반적인 역최대우도도수인가?

주요 결과

• 모든 정규 쌍곡선 네트워크의 역표면 ℙℒ⁻¹은 ℙ⁵ 내의 베론네제 표면의 사영이며, 이 사영은 합동에 대해 유형에 따라 결정되며 유형 외에는 영향을 받지 않는다.
• 유형 A(일반적) 네트워크의 경우 최대우도도수는 4이며, 역최대우도도수는 7이다. 이는 유형 A 네트워크가 역최대우도도수에 대해 일반적임을 확인한다.
• 일부 네트워크에 대해 식 rmld(ℒ) = deg(ℙℒ⁻¹) + mld(ℒ) − 1이 실패한다: 유형 F*에서는 엄격한 부등식 rmld = 1 < 2, 유형 G*에서는 rmld = 0 < 1이지만, 유형 A–E 및 H에서는 성립한다.
• 유형 A, B, D, E, F*, G*, H의 경우 ML 기반 국소화는 공집합이며, 나머지 유형의 경우 실수 또는 복소수 점(다중도 포함)으로 나타난다. 예를 들어, 유형 B*는 {(0:0:1)}이며, 유형 D*는 {(1:0:0),(0:1:0)}이다.
• 유형 G*의 경우 ML 기반 국소화는 랭크 1의 이重점이며, MLD는 0이다. 이는 차수 2 교차와 기반 점에서의 매끄러움을 통해 계산된다.
• 유형 A의 역최대우도도수를 7로 추측한다. 이는 샘플링과 [9, 표 1]의 일관성에 기반하며, 이 값은 다른 유형들(예: B*는 6, D*는 5, E*는 4)보다 높다.