[논문 리뷰] An algebra of Stein operators

Robert E. Gaunt, Guillaume Mijoule외 1명|arXiv (Cornell University)|2016. 04. 22.

Random Matrices and Applications참고 문헌 52인용 수 4

한 줄 요약

이 논문은 독립적인 랜덤 변수의 곱으로 구성된 분포에 대한 다항 스틴 연산자를 구성하기 위한 새로운 대수적 프레임워크를 제안한다. 특히, 다항 계수를 가진 미분 연산자와 쌍대성 원리를 활용하여, 정규분포, 베타분포, 분산-감마분포, 일반화된 감마분포 등 넓은 범위의 분포에 대해 명시적인 k차 스틴 연산자를 도출한다. 이는 목표 밀도가 닫힌 형태로 표현되지 않더라도 계산이 가능하게 한다. 주요 기여는 k개의 독립적인 대칭 분산-감마 랜덤 변수의 곱의 밀도에 대한 새로운 공식을 제시하는 것이다.

ABSTRACT

We build upon recent advances on the distributional aspect of Stein's method to propose a novel and flexible technique for computing Stein operators for random variables that can be written as products of independent random variables. We show that our results are valid for a wide class of distributions including normal, beta, variance-gamma, generalized gamma and many more. Our operators are $k$th degree differential operators with polynomial coefficients; they are straightforward to obtain even when the target density bears no explicit handle. As an application, we derive a new formula for the density of the product of $k$ independent symmetric variance-gamma distributed random variables.

연구 동기 및 목표

• 독립적인 랜덤 변수의 곱 분포에 대해 스틴 연산자를 유도하기 위한 체계적이고 유연한 대수적 프레임워크를 개발하는 것.
• 밀도가 명시적으로 알려져 있지 않거나 특수 함수를 통해 정의된 분포에 대해서도 스틴 방법의 적용 가능성을 확장하는 것.
• 광범위한 목표 분포에 대해 다항 계수를 가진 k차 미분 스틴 연산자를 통합적으로 구성하는 접근법을 제공하는 것.
• k개의 독립적인 대칭 분산-감마 분포를 가진 랜덤 변수의 곱의 밀도에 대한 명시적 공식을 도출하는 것.
• 메이저 G-함수와 쿠머 U-함수를 통해 정의된 고전적 및 특수 분포에 대한 적용을 통해 제안된 방법의 계산 가능성과 일반성을 보여주는 것.

제안 방법

• 저자는 승수 연산자 M과 미분 연산자 D의 단항식 조합으로 이루어진 다항 스틴 연산자 클래스를 정의한다. 즉, A = ∑ a_ij M^i D^j 이다.
• 밀도의 미분 방정식, 특히 밀도가 선형 상미분방정식을 만족할 경우, 포커-플랑크 방정식과 부분적 통합 기반의 쌍대성 원리를 활용하여 연산자를 유도한다.
• 특수 함수(예: 쿠머 U, 메이저 G)로 정의된 분포의 경우, 해당 함수들이 만족하는 알려진 미분 방정식을 활용하여 대응하는 스틴 연산자를 구성한다.
• 독립성의 성질을 이용하여 독립된 구성요소에 대해 연산자 대수를 적용함으로써 곱 분포로 일반화한다. 이때 연속밀도는 인수분해되며, 연산자 구조는 독립성을 유지한다.
• 정규화 및 스케일링 전략을 포함한다: 정규분포와 분산-감마 분포의 경우 오른쪽에 M을 곱하고, PRR 분포의 경우 M²을 곱한다.
• 기존 결과와 일치함을 확인하기 위해 고전적 분포(예: 정규분포, 감마분포, 베타분포, F분포, 역감마분포, t분포, PRR, 분산-감마분포, 일반화된 감마분포)에 대해 알려진 및 새로운 스틴 연산자를 유도함으로써 프레임워크를 검증한다.

실험 결과

연구 질문

• RQ1 목표 밀도가 명시적으로 알려져 있지 않을 경우, 독립적인 랜덤 변수의 곱 분포에 대해 체계적으로 다항 스틴 연산자를 구성할 수 있는가?
• RQ2 광범위한 분포에 대해 다항 계수를 가진 k차 미분 스틴 연산자의 구성에 뒷받침되는 대수적 구조는 무엇인가?
• RQ3 포커-플랑크 방정식과 스틴 연산자 간의 쌍대성은 특수 함수로 정의된 분포에 대해서도 계산 가능한 연산자를 도출하는 데 활용될 수 있는가?
• RQ4 k개의 독립적인 대칭 분산-감마 랜덤 변수의 곱에 대한 스틴 연산자는 어떤 형태인가?
• RQ5 기존의 1차 및 2차 연산자에 대한 접근법은 고차수의 경우로 어떻게 일반화될 수 있는가?

주요 결과

• 논문은 k개의 독립적인 대칭 분산-감마 분포를 가진 랜덤 변수의 곱에 대해 k차 다항 스틴 연산자를 성공적으로 구성하였으며, 그에 대한 밀도에 대한 새로운 명시적 공식을 제공한다.
• 이 방법은 정규분포, 베타분포, 감마분포, F분포, 역감마분포, t분포, PRR, 분산-감마분포, 일반화된 감마분포 등 넓은 범위의 분포에 대해 일관되고 체계적인 방식으로 스틴 연산자를 도출한다. 모든 경우에 다항 계수를 가진 미분 연산자가 명시적으로 제공된다.
• μ=0 인 분산-감마 분포의 경우, 스틴 연산자는 σ²T₁Tᵣ + 2θMTᵣ/₂ − M² 이다. 여기서 Tᵢ는 f ↦ x^i f’(x) 를 나타낸다.
• 이 방법은 기존 결과를 일반화한다. 예를 들어, 고전적인 정규분포 스틴 연산자 Af(x) = f’(x) − xf(x) 는 일반 프레임워크의 특수한 경우로 복원된다.
• 특수 함수로 정의된 분포에 대해서도 이 방법은 강건하다. PRR 분포의 경우, Kummer U 함수의 미분 방정식에서 유도된 연산자는 sT₁T₂ − M²T₂ₛ 이다.
• 목표 밀도가 명시적으로 알려져 있지 않더라도 선형 미분방정식을 만족한다면, 이 프레임워크는 스틴 연산자를 도출할 수 있다. 이는 표준 파rametric 가족을 초월한 광범위한 적용 가능성을 보여준다.