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

Inbal Yahav, Robert H. Smith+1 more|arXiv (Cornell University)|Jan 1, 2008

Bayesian Methods and Mixture Models参考文献 9被引用 7

一句话总结

本文提出了一种计算高效的多变量泊松随机变量生成方法，通过将多变量正态变量子转换以实现所需的相关性结构和强度参数。该方法能够模拟同时具有正相关性和负相关性的数据，并支持任意的强度向量，克服了先前方法在灵活性和复杂性方面的局限。

ABSTRACT

Summary. 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.

研究动机与目标

• 为解决现有方法在模拟多变量泊松数据时处理复杂相关性结构方面的局限性。
• 开发一种计算高效的算法，支持正相关性和负相关性。
• 实现对多个变量间强度参数的灵活指定。
• 提供一种概念简单且可扩展的多变量泊松生成方法。

提出的方法

• 该方法首先模拟具有指定相关性矩阵的多变量正态随机变量。
• 然后应用一种变换，将正态变量子转换为泊松分布变量，同时保持所需的相关性结构。
• 该变换旨在将多变量正态分布映射为具有预设强度向量的多变量泊松分布。
• 该方法确保生成的泊松变量表现出目标相关性矩阵和边缘强度。
• 该方法利用多变量正态分布的特性来控制最终泊松输出中的依赖结构。

实验结果

研究问题

• RQ1 是否存在一种计算高效的多变量泊松数据生成方法，可实现任意相关性矩阵？
• RQ2 该方法在模拟数据中再现正相关性和负相关性的能力如何？
• RQ3 该方法在处理不同变量间不同强度参数方面的灵活性有多大？
• RQ4 该变换是否在实现目标相关性的同时保持了期望的边缘泊松分布？

主要发现

• 所提出的方法成功生成了同时具有正相关性和负相关性的多变量泊松数据。
• 该方法在模拟数据的所有变量中均保持了准确的边缘强度参数。
• 计算复杂度保持在较低水平，使得该方法在高维场景下也具有可扩展性。
• 变换过程有效地将多变量正态变量子映射为具有受控依赖性的多变量泊松结果。