[論文レビュー] Uniform Convergence of Transport Maps

Victor Chernozhukov|arXiv (Cornell University)|Dec 29, 2014

Point processes and geometric inequalities被引用数 1

ひとこと要約

この論文は、ℝᵈ 上の分布から単位球面への最適輸送写像に基づく、新しい多変量統計的深度概念「Monge-Kantorovich depth」を導入する。この手法は、経験的輸送写像の一様収束を確立し、深度の等高線、分位数、順位、符号の整合性を保証する。半面、凸でない分布的特徴の検出において、半面深度よりも優れた性能を示す。

ABSTRACT

We propose new concepts of statistical depth, multivariate quantiles, ranks and signs, based on canonical transportation maps between a distribution of interest on $R^d$ and a reference distribution on the $d$-dimensional unit ball. The new depth concept, called Monge-Kantorovich depth, specializes to halfspace depth in the case of spherical distributions, but, for more general distributions, differs from the latter in the ability for its contours to account for non convex features of the distribution of interest. We propose empirical counterparts to the population versions of those Monge-Kantorovich depth contours, quantiles, ranks and signs, and show their consistency by establishing a uniform convergence property for empirical transport maps, which is of independent interest.

研究の動機と目的

• 球対称でない分布へ一般化可能な、半面深度を超えた新しい統計的深度概念の開発。
• 多変量データ分布における非凸的特徴の正確な検出を可能にする。
• 標準的輸送写像を用いて多変量分位数、順位、符号を定義する。
• 理論的整合性を保証するため、経験的輸送写像の一様収束を確立する。

提案手法

• 標的分布をℝᵈ 上の分布からd次元単位球面上の一様分布への最適輸送写像を用いて深度を定義する。
• 単位球面上の原点からの径方向距離を深度指標として用い、球対称でない分布に対しても半面深度を一般化する。
• 経験的測度と最適輸送理論を用いて、輸送写像の経験的類似物を構築する。
• コンパクト集合上で経験的輸送写像の一様収束を証明し、深度に基づく統計量の整合性を保証する。
• Monge-Kantorovich枠組みにおける標準的輸送写像としてBrenier写像を用いる。
• 収束結果を応用して、経験的深度等高線、分位数、順位、符号の整合性を確立する。

実験結果

リサーチクエスチョン

• RQ1 半面深度が許容する範囲を超えて、多変量分布における非凸的特徴を捉えることができる深度概念を開発できるか？
• RQ2 最適輸送写像を用いて、多変量分位数、順位、符号を一貫して定義する方法は何か？
• RQ3 一般条件下で、経験的輸送写像が一様に母集団輸送写像に収束するか？
• RQ4 輸送写像から導かれる経験的深度等高線の整合性に関する理論的保証は何か？
• RQ5 提案された深度概念は、歪度や非楕円的分布における深度推定のバイアスを低減できるか？

主な発見

• Monge-Kantorovich depthは半面深度を一般化し、多変量データ分布における非凸的特徴を正しく捉えることができる。
• 経験的輸送写像は一様に母集団輸送写像に収束し、すべての派生統計量の理論的整合性が保証される。
• 輸送写像から導かれる深度等高線は、従来の深度測度よりも複雑な分布形状に適応する。
• 輸送写像に基づく分位数、順位、符号の経験的類似物は、一様収束の下で一貫している。
• この手法は、楕円対称性の仮定を超えた多変量解析の原理的枠組みを提供する。
• 一様収束結果は、独立に価値があり、最適輸送を用いた非パラメトリック統計の広範な分野に応用可能である。