[论文解读] Inverse moments of univariate discrete distributions via the Poisson expansion

Koenraad M. R. Audenaert|ArXiv.org|Sep 24, 2008

Bayesian Methods and Mixture Models参考文献 29被引用 4

一句话总结

本文提出了一种针对单变量离散分布（特别是正二项分布）的逆矩的新级数展开方法，基于阶乘累积量的泊松-谢列夫展开。该方法在 $0 \leq p \leq 1$ 的整个参数范围内实现了统一有界的、快速收敛的近似，其一致性和准确性优于以往的渐近级数或发散级数。

ABSTRACT

In this note we present a series expansion of inverse moments of a non-negative discrete random variate in terms of its factorial cumulants, based on the Poisson-Charlier expansion of a discrete distribution. We apply the general method to the positive binomial distribution and obtain a convergent series for its inverse moments with an error residual that is uniformly bounded on the entire interval 0<=p<=1.

研究动机与目标

• 开发一种针对单变量离散分布逆矩的稳健且收敛的级数展开方法。
• 克服现有方法在 $0 \leq p \leq 1$ 全区间内常出现发散或收敛性差的局限性。
• 将该方法具体应用于正二项分布，提供数值稳定且精确的近似。

提出的方法

• 该方法采用泊松-谢列夫展开，将离散分布表示为阶乘累积量的级数形式。
• 通过利用泊松分布已知的逆矩，展开目标分布的逆矩。
• 通过阶乘累积量的生成函数以及前向/后向差分算子的矩阵表示推导该展开式。
• 采用算子 $ S = \exp\left(\sum_{k=2}^{\infty} \frac{\kappa^{(k)}}{k!} (-\nabla)^k \right) $ 将目标分布与泊松参考分布关联起来。
• 通过直接求和或符号计算（如 Mathematica）计算泊松分布的逆矩，避免使用递推关系。
• 通过在 $p \in [0,1]$ 范围内绘制相对误差和绝对误差图，对收敛性进行数值验证。

实验结果

研究问题

• RQ1 能否构建一种在 $0 \leq p \leq 1$ 整个区间上均匀收敛的逆矩级数展开？
• RQ2 与现有渐近级数或发散级数相比，泊松展开方法在逆矩收敛性方面表现如何？
• RQ3 阶乘累积量在实现逆矩稳定且精确展开中起到何种作用？

主要发现

• 所提出的展开式对正二项分布的逆矩提供了收敛级数，且在 $0 \leq p \leq 1$ 范围内误差统一有界。
• 该方法实现快速收敛，表现为随着展开项数增加，绝对误差和相对误差均迅速下降。
• 数值结果（图 4 和图 5）表明，即使在 $p$ 的极端值处，相对误差仍保持在可接受范围内，而许多先前的展开式则不然。
• 阶乘累积量的使用为超越二项分布情形的逆矩近似提供了一个系统化且可推广的框架。
• 该方法计算上可行，可使用标准符号软件实现，如附录 C 中的 Mathematica 代码所示。
• 理论基础通过泊松展开公式严格证明，表明序列 $g = S\pi_\mu$ 能够恢复原始分布 $f$。