[论文解读] Array Variate Skew Normal Random Variables with Multiway Kronecker Delta Covariance Matrix Structure

Deniz Akdemir|arXiv (Cornell University)|Mar 19, 2011

Statistical Distribution Estimation and Applications参考文献 3被引用 9

一句话总结

该论文提出了一类具有多维Kronecker delta协方差结构的新式数组变量子偏正态分布，实现了对多维数据的简约化建模。通过基于数组变量子正态核函数和标准正态累积分布函数（CDF）作为选择函数的选择模型，该模型利用结构化的协方差矩阵实现降维，显著降低了参数数量，同时保持了多线性依赖模式。

ABSTRACT

In this paper, we will discuss the concept of an array variate random variable and introduce a class of skew normal array densities that are obtained through a selection model that uses the array variate normal density as the kernel and the cumulative distribution of the univariate normal distribution as the selection function.

研究动机与目标

• 开发一种灵活的概率模型，用于多维数组数据，以捕捉偏度和复杂的依赖结构。
• 通过在数组维度上利用Kronecker delta协方差结构，减少多线性模型中的参数数量。
• 利用选择模型框架将偏正态分布推广至高阶数组。
• 在高维数组数据中实现高效的统计推断与主成分分析。

提出的方法

• 提出一种选择模型，其核函数为数组变量子正态密度，选择函数为标准正态分布的累积分布函数。
• 将数组变量子偏正态密度定义为核函数与一个涉及数组元素线性组合的CDF的权重函数的归一化乘积。
• 使用R-矩阵乘法和逆Kronecker积，将数组的多线性变换表示为单线性形式。
• 采用rvec算子将数组方程转换为向量化形式，以支持统计分析与参数估计。
• 通过在每个数组维度上使用正定矩阵的Kronecker积，实现多路协方差结构。
• 推导在指定选择机制下，数组变量子偏正态变量的分布，确保其正确归一化。

实验结果

研究问题

• RQ1 如何在保持计算可及性的同时，将偏度引入数组变量子分布？
• RQ2 偏正态分布向高阶数组的适当推广形式是什么？
• RQ3 如何将Kronecker delta协方差结构应用于减少数组模型中的参数数量？
• RQ4 能否在具有结构化协方差的数组变量子偏正态数据上高效执行主成分分析？
• RQ5 假设形状参数数组为对角阵对模型简约性有何影响？

主要发现

• 通过使用Kronecker积结构，该模型将协方差结构中的参数数量从O(m₁m₂…mᵢ)减少至O(∑mⱼ)。
• 通过各维度协方差矩阵的特征值与特征向量的Kronecker积，可估计全协方差矩阵的特征值与特征向量。
• 通过R-矩阵乘法与逆Kronecker积的使用，该模型保留了数据的多线性依赖结构。
• 该密度函数被正确归一化，且对任意阶数i ≥ 2的数组均有效，扩展了先前关于数组变量子正态与偏正态分布的研究。
• 对角形状参数数组（Δ）可导致更简约的模型，实践中许多元素可设为零。
• 通过利用Kronecker结构，该模型实现了对数组数据的高效主成分分析，支持可扩展计算。