[논문 리뷰] Discrete multivariate distributions

Oleg Yu. Vorobyev, Lavrentiy S. Golovkov|LA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas)|2008. 11. 04.

Advanced Computational Techniques in Science and Engineering인용 수 9

한 줄 요약

이 논문은 이벤트로지크 프레임워크 내에서 기존의 단변량 분포를 사건의 전체 분포를 고려함으로써 일반화하는 두 가지 새로운 이산 다변량 분포—다차원 이항분포와 다차원 포아송분포—를 제안한다. 제안된 법칙들은 사건 간 의존성과 공동 행동을 통합함으로써 더 정확한 다변량 일반화를 제공하며, 그 성질과 모멘트에 대한 상세한 특성화가 이루어져 있다.

ABSTRACT

This article brings in two new discrete distributions: multidimensional Binomial distribution and multidimensional Poisson distribution. Those distributions were created in eventology as more correct generalizations of Binomial and Poisson distributions. Accordingly to eventology new laws take into account full distribution of events. Also, in article its characteristics and properties are described

연구 동기 및 목표

• 사건의 전체 분포를 고려함으로써 고전적 단변량 이항분포와 포아송분포의 더 정확한 다변량 일반화를 개발하기 위해.
• 기존의 다변량 분포들이 공동 사건 의존성과 다변량 구조를 포착하지 못하는 한계를 해결하기 위해.
• 이벤트로지크 프레임워크 내에서 신규 분포의 성질과 특성을 체계화하기 위해.
• 이러한 분포를 복잡한 다변량 이산 사건 과정을 모델링하는 데 사용하기 위한 이론적 기반을 제공하기 위해.

제안 방법

• 다중 이진 사건의 공동 발생 확률을 다차원 프레임워크 기반으로 기반으로 한 다차원 이항분포를 제안한다.
• 일변량 포아송 과정을 다중 사건 유형으로 확장하여 공동 발생 구조를 포함함으로써 다차원 포아송분포를 도입한다.
• 이벤트로지크 원칙을 적용하여 사건 간 의존성을 모델링함으로써 다변량 구조가 실제 세계의 공동 행동을 반영하도록 보장한다.
• 모수 생성 함수, 평균, 공분산 구조와 같은 주요 통계적 성질을 두 분포 모두에 대해 유도한다.
• 조합론적 및 확률론적 기법을 사용하여 새로운 법칙의 확률 질량 함수를 정의한다.
• 적절한 마진화 하에서 고전적 단변량 형태로 축소됨을 검증함으로써 분포의 일관성을 검증한다.

실험 결과

연구 질문

• RQ1 고전적 이항분포는 어떻게 사건의 전체 의존성을 고려하는 다변량 설정으로 일반화될 수 있는가?
• RQ2 이벤트로지크에서 다차원 포아송분포의 정의적 성질과 모멘트 구조는 무엇인가?
• RQ3 이러한 새로운 분포들은 공동 사건 발생을 모델링할 때 기존의 다변량 이산 분포들보다 어떤 방식으로 향상되는가?
• RQ4 이 새로운 분포들은 마진화 하에서 단변량 사례와 일관성을 유지하는가?
• RQ5 이러한 다변량 법칙의 타당성과 적용 가능성을 뒷받침하는 이론적 기초는 무엇인가?

주요 결과

• 다차원 이항분포는 다중 이진 사건의 공동 확률을 유지하면서도 다변량 의존성 구조를 보존하는 데 성공하였다.
• 다차원 포아송분포는 공유되는 확률적 행동을 가진 다중 사건 유형으로 일변량 포아송 과정의 일관된 확장 제공한다.
• 양분포가 마진화될 경우 고전적 단변량 형태로 축소됨을 입증하여 고전 이론과의 일관성을 확인하였다.
• 유도된 모멘트 생성 함수와 공분산 구조는 분포들이 상호 사건 의존성을 포착할 수 있음을 보여준다.
• 신규 법칙의 성질은 평균 벡터, 분산-공분산 행렬, 고차 모멘트를 포함하여 완전히 특성화되었다.
• 이벤트로지크의 프레임워크는 전통적 접근 방식보다 더 포괄적이고 정확한 다변량 이산 사건 과정의 표현을 가능하게 한다.