多変量分布
多変量分布は、複数の確率変数の結合確率的挙動を記述し、多変量推論が構築される基盤を提供する。
PaperMindでテーマを探す近日公開Find papers & topics
Tools & resources
Learn & explore
動画近日公開
Definition
多変量分布とは、その周辺挙動と依存性を含む、その成分の結合分布を特定する確率ベクトルの確率法則である。
Scope
この分野は、多変量統計の中心的な確率モデル、すなわち多変量正規分布とその特性、標本共分散行列を支配するウィシャート分布、および周辺挙動を依存構造から分離するコピュラモデルを扱う。結合分布、周辺分布、条件付き分布、モーメント、および推定と仮説検定におけるこれらの分布の役割について論じる。
Sub-topics
Core questions
- 複数の確率変数の結合挙動はどのように特定され、特徴付けられるか？
- 多変量正規データからどのような標本分布が生じるか？
- 周辺分布とは別に依存性をどのようにモデル化できるか？
- どの分布仮定が標準的な多変量手続きを正当化するか？
Key theories
- 基礎としての多変量正規分布
- 多変量正規分布は、線形変換、周辺化、条件付けの下で閉じられており、その平均ベクトルと共分散行列によって完全に特定されるため、多変量推論の中心的なモデルとなっている。
- 周辺分布と依存性の分離
- Sklarの定理により、任意の結合分布は、その周辺分布と依存性を符号化するコピュラに分解できるため、周辺分布とは独立して依存性をモデル化することが可能となる。
Clinical relevance
多変量分布は、ほぼすべての多変量手法の仮定とサンプリング理論の基礎となっており、特にコピュラモデルは、金融、水文学、リスク分析における依存性のモデリングに用いられる。
History
多変量正規分布と共分散行列のウィシャート標本分布は20世紀初頭に確立され、多変量解析の古典的理論において体系化された。1959年のSklarの定理を通じて形式化されたコピュラ理論は、後に依存性モデリングのための柔軟なフレームワークを提供した。
Key figures
- T. W. Anderson
- John Wishart
- Abe Sklar
Related topics
Seminal works
- anderson2003
- mardia1979
- muirhead1982
Frequently asked questions
- なぜ多変量正規分布はそれほど中心的であるのか？
- 多変量中心極限定理の挙動を通じて極限分布として生じ、数学的に扱いやすく、多変量解析における平均、共分散、および多くの検定統計量のサンプリング理論の基礎となるためである。
- コピュラは周辺分布を超えて何を追加するのか？
- コピュラは変数間の依存構造を捉え、任意の周辺分布を選択された依存パターンと組み合わせることを可能にする。