[논문 리뷰] On equivalence of the LKJ distribution and the restricted Wishart distribution

Zhenxun Wang, Yunan Wu외 1명|arXiv (Cornell University)|2018. 09. 13.

Advanced Statistical Methods and Models인용 수 4

한 줄 요약

이 논문은 제한된 위샤르트 분포와 LKJ 분포의 동치성을 입증하며, 둘 다 상관행렬에 대해 동일한 사전분포를 제공함을 보여준다. 저자들은 제한된 위샤르트 분포를 활용한 새로운 랜덤 상관행렬 생성 방법을 제안하며, 기존의 온리언 방법보다 훨씬 빠르며, 특히 저차원에서(𝑇 < 120) 빠르게 작동한다. 시뮬레이션 결과 최대 2.2배의 성능 향상을 기록하였다.

ABSTRACT

In this paper, we want to show the Restricted Wishart distribution is equivalent to the LKJ distribution, which is one way to specify a uniform distribution from the space of positive definite correlation matrices. Based on this theorem, we propose a new method to generate random correlation matrices from the LKJ distribution. This new method is faster than the original onion method for generating random matrices, especially in the low dimension ($T&lt;120$) situation.

연구 동기 및 목표

• 상관행렬에 대한 제한된 위샤르트 분포와 LKJ 분포의 이론적 동치성을 확립하기 위해.
• 제한된 위샤르트 프레임워크를 활용하여 LKJ 분포에서 랜덤 상관행렬을 생성하는 새로운 계산 방법을 제공하기 위해.
• 기존의 온리언 방법에 비해 더 빠른 대안을 제공함으로써 베이지안 모델링의 계산 효율성을 향상시키기 위해.
• 부분상관계수 파rameterization을 통해 위샤르트 분포에 대한 이해를 심화하기 위해.

제안 방법

• 제한된 위샤르트 분포는 위샤르트 분포에 분리 전략을 적용하여 공분산행렬을 분산과 상관행렬으로 분해함으로써 유도된다.
• 이 방법은 카이제곱분포와 표준정규분포 변수를 이용한 하삼각행렬 분해를 통해 위샤르트 분포를 따르는 행렬을 생성하는 바틀렛 분해를 사용한다.
• 제한된 위샤르트 분포 하에서 상관행렬의 결합밀도가 자코비안 변환과 감마함수 항등식을 통해 LKJ 밀도와 일치함을 도출한다.
• 정규화 상수에 대한 수학적 귀납법을 사용하여 동치성을 증명함으로써, 제한된 위샤르트 분포가 법적으로 LKJ 분포와 동일함을 확인한다.
• 랜덤 상관행렬은 제한된 위샤르트 분포에서 샘플링하여 유도된 공분산행렬을 상관행렬로 변환함으로써 생성된다.
• R을 사용하여 온리언 방법과의 성능 비교를 위해 벤치마크를 실시하였으며, 차원 𝑇 = 20에서 280까지의 범위에서 시간 측정을 수행하였다.

실험 결과

연구 질문

• RQ1 제한된 위샤르트 분포는 상관행렬에 대해 수학적으로 LKJ 분포와 동치인가?
• RQ2 제한된 위샤르트 분포는 LKJ 분포를 따르는 상관행렬을 생성하기 위한 온리언 방법의 효율적인 대체 방법으로 사용될 수 있는가?
• RQ3 저차원 및 고차원 설정에서 제한된 위샤르트 방법은 온리언 방법에 비해 어떤 계산 성능 이점을 가지는가?
• RQ4 제한된 위샤르트 프레임워크 내의 부분상관계수 파arameterization은 LKJ 분포의 구성과 어떻게 관련이 있는가?

주요 결과

• 정규화 상수의 검증을 귀납법과 감마함수 항등식을 사용하여 수행함으로써, 제한된 위샤르트 분포가 수학적으로 LKJ 분포와 동치임을 입증하였다.
• 제한된 위샤르트 분포를 기반으로 한 새로운 방법은 온리언 방법보다 랜덤 상관행렬 생성을 더 빠르게 수행하며, 특히 저차원(𝑇 < 120)에서 뚜렷한 성능 향상을 보였다. 𝑇 = 20에서 최대 2.2배의 속도 향상이 관찰되었다.
• 𝑇 = 20일 때, 제한된 위샤르트 방법은 5,000개의 행렬을 생성하는 데 0.70초가 소요되었고, 온리언 방법은 1.53초가 소요되었다.
• 고차원(𝑇 ≥ 240)에서는 성능 격차가 줄어들었으며, 두 방법 모두 5,000개의 행렬 생성에 약 44~50초가 소요되었다.
• 제한된 위샤르트 분포와 역제한된 위샤르트 분포 방법은 유사한 계산 효율성을 보이며, 둘 다 저차원에서 온리언 방법을 능가하였다.
• 동치성은 부분상관계수 파arameterization을 통한 위샤르트 분포를 상관행렬에 대한 사전분포로 사용하는 데 이론적 근거를 제공한다.