다변량 분포

다변량 분포는 여러 확률 변수의 결합 확률적 거동을 설명하며, 다변량 추론이 구축되는 기초를 제공합니다.

Definition

다변량 분포는 확률 벡터에 대한 확률 법칙으로, 그 구성 요소들의 주변 거동과 의존성을 포함하여 결합 분포를 명시합니다.

Scope

이 영역은 다변량 통계의 핵심 확률 모델인 다변량 정규 분포와 그 속성, 표본 공분산 행렬을 지배하는 위샤트 분포, 그리고 주변 거동을 의존성 구조와 분리하는 코퓰러 모델을 다룹니다. 이는 결합 분포, 주변 분포, 조건부 분포, 모멘트, 그리고 추정 및 가설 검정에서 이러한 분포들의 역할을 다룹니다.

Sub-topics

• Copula Models
• Multivariate Normal Distribution
• Wishart Distribution

Core questions

• 여러 확률 변수의 결합 거동은 어떻게 명시되고 특성화됩니까?
• 다변량 정규 데이터에서 어떤 표본 분포가 발생합니까?
• 주변 분포와 별도로 의존성을 어떻게 모델링할 수 있습니까?
• 어떤 분포 가정이 표준 다변량 절차를 정당화합니까?

Key theories

기초로서의 다변량 정규 분포

다변량 정규 분포는 선형 변환, 주변화 및 조건화에 대해 닫혀 있으며, 그 평균 벡터와 공분산 행렬이 이를 완전히 명시하므로 다변량 추론의 중심 모델이 됩니다.

주변 분포와 의존성의 분리

스클라의 정리(Sklar's theorem)에 따르면 모든 결합 분포는 주변 분포와 의존성을 인코딩하는 코퓰러로 분해될 수 있으며, 이는 의존성을 주변 분포와 독립적으로 모델링할 수 있게 합니다.

Clinical relevance

다변량 분포는 거의 모든 다변량 방법의 가정과 표본 이론의 기초를 이루며, 특히 코퓰러 모델은 금융, 수문학 및 위험 분석에서 의존성을 모델링하는 데 사용됩니다.

History

다변량 정규 분포와 공분산 행렬의 위샤트 표본 분포는 20세기 초에 확립되었고 다변량 분석의 고전 이론에서 체계화되었습니다. 1959년 스클라의 정리(Sklar's theorem)를 통해 공식화된 코퓰러 이론은 이후 의존성 모델링을 위한 유연한 프레임워크를 제공했습니다.

Key figures

• T. W. Anderson
• John Wishart
• Abe Sklar

Seminal works

• anderson2003
• mardia1979
• muirhead1982

Frequently asked questions

다변량 정규 분포가 왜 그렇게 중요합니까?

이는 다변량 중심 극한 거동을 통해 극한 분포로 나타나며, 수학적으로 다루기 쉽고, 다변량 분석에서 평균, 공분산 및 많은 검정 통계량에 대한 표본 이론의 기초를 이룹니다.

코퓰러는 주변 분포 외에 무엇을 추가합니까?

코퓰러는 변수들을 연결하는 의존성 구조를 포착하여, 선택된 의존성 패턴과 임의의 주변 분포를 결합할 수 있게 합니다.