[论文解读] The normal distribution in some constrained sample spaces

Glòria Mateu‐Figueras, Vera Pawlowsky‐Glahn+1 more|ArXiv.org|Feb 19, 2008

Geochemistry and Geologic Mapping参考文献 16被引用 11

一句话总结

本文通过利用非欧几里得几何和变换测度，在受限样本空间（特别是正实数轴和D维单纯形）上对正态分布进行了重参数化，实现了更一致的统计建模。主要贡献在于：在这些空间上得到的正态模型与传统的对数正态分布和加法对数正态分布相比，具有不同的矩和密度形状，从而为组成数据和正数据提供了更优的可解释性和数学一致性。

ABSTRACT

Phenomena with a constrained sample space appear frequently in practice. This is the case e.g. with strictly positive data and with compositional data, like percentages and the like. If the natural measure of difference is not the absolute one, it is possible to use simple algebraic properties to show that it is more convenient to work with a geometry that is not the usual Euclidean geometry in real space, and with a measure which is not the usual Lebesgue measure, leading to alternative models which better fit the phenomenon under study. The general approach is presented and illustrated both on the positive real line and on the D-part simplex.

研究动机与目标

• 解决标准统计模型在应用于受限样本空间（如正实数轴和单纯形）时的局限性。
• 通过重新定义概率测度和几何结构以匹配数据的自然结构，克服组成数据中虚假相关性的问题。
• 利用正交坐标系和变换测度，在受限空间上建立正态分布的一致概率框架。
• 确保扰动和幂运算等代数运算能保持模型的结构特性，从而增强可解释性。
• 证明在单纯形和正实数上得到的正态模型与经典对数正态分布和加法对数正态分布相比，具有不同的期望值和密度形状。

提出的方法

• 定义从受限样本空间 E ⊆ ℝ^D 到 ℝ^d 的一一可微映射 h，从而在 E 上诱导出欧几里得向量空间结构。
• 利用映射 h 将 ℝ^d 上的勒贝格测度 λ_d 转移到 E 上，定义一个新的与 E 的几何结构相容的参考测度 λ_E。
• 将 E 上的概率密度函数定义为相对于 λ_E 的 Radon-Nikodým 导数，以确保与变换后的几何结构相容。
• 通过 ℝ^d 中的正交坐标系表达 E 上的正态分布，从而实现标准多元正态推断。
• 对组成数据应用等距对数比（ilr）变换，将单纯形 𝒮^D 映射到 ℝ^{D-1}，从而实现标准正态建模。
• 通过利用 E 上欧几里得结构的代数性质，确保扰动和幂运算下的不变性。

实验结果

研究问题

• RQ1 如何在受限样本空间（如正实数轴和单纯形）上一致地重新定义正态分布？
• RQ2 使用非勒贝格测度和非欧几里得几何对这些空间上正态分布的矩和形状有何影响？
• RQ3 在单纯形和正实数上得到的正态模型与经典对数正态分布和加法对数正态分布相比，在参数估计和模型拟合方面有何差异？
• RQ4 所提出的框架能否保持扰动和幂运算等理想代数性质？
• RQ5 在实际组成数据（如斯凯熔岩数据集）中使用此重参数化正态模型，会产生何种实际影响？

主要发现

• 在使用正交坐标系定义于单纯形 𝒮^3 上的正态模型，经 ilr 变换后，其参数估计值（μ̂ = (0.555, 0.639)′, Σ̂ = [[0.126, -0.229], [-0.229, 0.456]]）与加法对数正态模型完全一致。
• 经扰动和幂运算（a = g(X)⁻¹, b = √3）的线性变换后，估计参数变为 μ̂ = (0.000, 0.000)′ 和 Σ̂ = [[0.377, -0.688], [-0.688, 1.369]]，验证了该变换下的不变性。
• 变换后，单纯形上正态模型的拟合效果得到改善，而对数正态模型则出现虚假双峰，表明该模型在该类运算下存在结构性缺陷。
• 在单纯形上，重参数化正态模型与经典加法对数正态模型相比，具有不同的期望值和密度形状，凸显了其在解释和应用上的关键差异。
• 所提框架确保扰动和幂运算等代数运算仅改变中心位置和变异程度，不会引入任意模式或形状失真。
• 该模型在数学上具有一致性和可解释性，因为它在变换坐标空间中保持了多元正态分布的性质。