[论文解读] An Elegant Method for Generating Multivariate Poisson Data

Inbal Yahav, Galit Shmueli|arXiv (Cornell University)|Oct 30, 2007

Simulation Techniques and Applications参考文献 3被引用 2

一句话总结

本文提出了一种计算高效的多变量泊松数据生成方法，通过将多变量正态变量转换为具有预设相关结构和速率参数的泊松分布数据。该方法能够生成任意速率向量下的正负相关性，克服了以往方法在灵活性和复杂性方面的局限。

ABSTRACT

Generating multivariate Poisson data is essential in many applications. Current simulation methods suffer from limitations ranging from computational complexity to restrictions on the structure of the correlation matrix. We propose a computationally efficient and conceptually appealing method for generating multivariate Poisson data. The method is based on simulating multivariate Normal data and converting them to achieve a specific correlation matrix and Poisson rate vector. This allows for generating data that have positive or negative correlations as well as different rates. 1.

研究动机与目标

• 解决现有方法在模拟多变量泊松数据时处理复杂相关结构方面的局限性。
• 开发一种计算高效且概念简单的模拟技术。
• 实现多变量泊松数据中正负相关性的生成。
• 支持变量间任意的速率向量，增强在多样化统计建模场景中的适用性。

提出的方法

• 该方法首先生成具有指定相关矩阵的多变量正态随机变量。
• 对多变量正态数据应用位置尺度变换，使其边缘方差与期望的泊松速率相匹配。
• 通过四舍五入将变换后的正态变量离散化，以诱导出泊松分布的边缘分布。
• 通过确定性变换，原始正态数据的相关结构在最终的泊松数据中得以保留。
• 该方法允许对泊松速率向量和相关矩阵进行任意指定，包括负相关。
• 该方法计算效率高，仅依赖标准的多变量正态生成和简单的四舍五入操作。

实验结果

研究问题

• RQ1 能否开发一种高效生成具有任意相关结构的多变量泊松数据的模拟方法？
• RQ2 如何可靠地在多变量泊松数据中诱导出正负相关性？
• RQ3 该方法在实现期望相关模式的同时，能在多大程度上保持指定的泊松速率？
• RQ4 所提出的方法在高维设置下是否具有计算可行性与可扩展性？

主要发现

• 该方法成功生成了具有预设相关矩阵和速率向量的多变量泊松数据。
• 它支持正负相关性，而这是许多现有方法难以实现的。
• 变换过程在将连续的正态变量转换为离散的泊松结果的同时，保留了预期的相关结构。
• 计算复杂度保持较低，仅依赖标准的多变量正态生成和四舍五入操作。
• 该方法具有高度灵活性，适用于广泛的关联结构和速率参数配置。
• 该方法概念简单，可在统计软件环境中轻松实现。