多変量正規分布
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/12/07 06:29 UTC 版)
確率論と統計学において、多変量正規分布(たへんりょうせいきぶんぷ、英: multivariate normal distribution)または多次元正規分布、あるいは結合正規分布(英: joint normal distribution)、もしくはこれらの語で「正規分布」を「ガウス分布」に換えたもの、は1次元の正規分布を高次元へと一般化した確率分布である。ベクトル値確率変数が k 変量正規分布に従うとは、それらの k 個の成分(実数値確率変数)の任意の(実係数)線型結合が1変量正規分布に従うことを言う。この分布の重要性は主として、多変数の場合の中心極限定理の分布収束先として現れることによる。多変量正規分布はしばしば、少なくとも近似的に、互いに相関を持ち、平均ベクトルの周辺に値が集中するような確率変数の組を記述するのに用いられる。
- ^ a b c Lapidoth, Amos (2009). A Foundation in Digital Communication. Cambridge University Press. ISBN 978-0-521-19395-5
- ^ Gut, Allan (2009). An Intermediate Course in Probability. Springer. ISBN 978-1-441-90161-3
- ^ Kac, M. (1939). “On a characterization of the normal distribution”. American Journal of Mathematics 61 (3): 726–728. doi:10.2307/2371328. JSTOR 2371328.
- ^ Sinz, Fabian; Gerwinn, Sebastian; Bethge, Matthias (2009). “Characterization of the p-generalized normal distribution”. Journal of Multivariate Analysis 100 (5): 817–820. doi:10.1016/j.jmva.2008.07.006.
- ^ UIUC, Lecture 21. The Multivariate Normal Distribution, 21.5:"Finding the Density".
- ^ Hamedani, G. G.; Tata, M. N. (1975). “On the determination of the bivariate normal distribution from distributions of linear combinations of the variables”. The American Mathematical Monthly 82 (9): 913–915. doi:10.2307/2318494. JSTOR 2318494.
- ^ Wyatt, John. “Linear least mean-squared error estimation”. Lecture notes course on applied probability. 2012年1月23日閲覧。
- ^ 周辺分布についての正式な証明は http://fourier.eng.hmc.edu/e161/lectures/gaussianprocess/node7.html 参照。
- ^ Gentle, J.E. (2009). Computational Statistics. Statistics and Computing. New York: Springer. pp. 315–316. doi:10.1007/978-0-387-98144-4. ISBN 978-0-387-98143-7
多変量正規分布
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/01/01 00:44 UTC 版)
「クラメール・ラオの限界」の記事における「多変量正規分布」の解説
平均値ベクトル μ ( θ ) {\displaystyle {\boldsymbol {\mu }}({\boldsymbol {\theta }})} 、分散共分散行列 C ( θ ) {\displaystyle {\boldsymbol {C}}({\boldsymbol {\theta }})} が未知母数ベクトル θ {\displaystyle {\boldsymbol {\theta }}} で定まるような、一般的な d 次元正規分布 N d ( μ ( θ ) , C ( θ ) ) {\displaystyle N_{d}\left({\boldsymbol {\mu }}({\boldsymbol {\theta }}),{\boldsymbol {C}}({\boldsymbol {\theta }})\right)} の場合、 フィッシャー情報行列の成分は、 I m , k = ∂ μ T ∂ θ m C − 1 ∂ μ ∂ θ k + 1 2 tr ( C − 1 ∂ C ∂ θ m C − 1 ∂ C ∂ θ k ) {\displaystyle I_{m,k}={\frac {\partial {\boldsymbol {\mu }}^{T}}{\partial \theta _{m}}}{\boldsymbol {C}}^{-1}{\frac {\partial {\boldsymbol {\mu }}}{\partial \theta _{k}}}+{\frac {1}{2}}\operatorname {tr} \left({\boldsymbol {C}}^{-1}{\frac {\partial {\boldsymbol {C}}}{\partial \theta _{m}}}{\boldsymbol {C}}^{-1}{\frac {\partial {\boldsymbol {C}}}{\partial \theta _{k}}}\right)} ここで "tr" は行列のトレースを表す。 より簡単な例として、平均 θ {\displaystyle \theta } が未知で分散 σ 2 {\displaystyle \sigma ^{2}} が既知の正規分布から、独立に d {\displaystyle d} 回抽出してえられる標本量ベクトルを W d {\displaystyle \mathbf {W} _{d}} とする。 W d ∼ N d ( θ 1 , σ 2 I ) {\displaystyle \mathbf {W} _{d}\sim N_{d}\left(\theta {\boldsymbol {1}},\sigma ^{2}{\boldsymbol {I}}\right)} ここで 1 {\displaystyle {\boldsymbol {1}}} は 1 を d 個並べたベクトル、 I {\displaystyle {\boldsymbol {I}}} は d 次単位行列である。未知母数が1つなのでフィッシャー情報量は I ( θ ) = ( ∂ μ ( θ ) ∂ θ ) T C − 1 ( ∂ μ ( θ ) ∂ θ ) = ∑ i = 1 d 1 σ 2 = d σ 2 {\displaystyle I(\theta )=\left({\frac {\partial {\boldsymbol {\mu }}(\theta )}{\partial \theta }}\right)^{T}{\boldsymbol {C}}^{-1}\left({\frac {\partial {\boldsymbol {\mu }}(\theta )}{\partial \theta }}\right)=\sum _{i=1}^{d}{\frac {1}{\sigma ^{2}}}={\frac {d}{\sigma ^{2}}}} とスカラーで与えられ、クラメール・ラオの下限は Var ( θ ^ ) ≥ σ 2 d {\displaystyle \operatorname {Var} ({\hat {\theta }})\geq {\frac {\sigma ^{2}}{d}}}
※この「多変量正規分布」の解説は、「クラメール・ラオの限界」の解説の一部です。
「多変量正規分布」を含む「クラメール・ラオの限界」の記事については、「クラメール・ラオの限界」の概要を参照ください。
多変量正規分布
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2021/11/18 08:52 UTC 版)
「フィッシャー情報量」の記事における「多変量正規分布」の解説
N個の変数の多変量正規分布についてのフィッシャー情報行列は、特別な形式を持つ。 μ ( θ ) = ( μ 1 ( θ ) , μ 2 ( θ ) , ⋯ , μ N ( θ ) ) , {\displaystyle \mu (\theta )={\begin{pmatrix}\mu _{1}(\theta ),\mu _{2}(\theta ),\cdots ,\mu _{N}(\theta )\end{pmatrix}},} であるとし、 Σ ( θ ) {\displaystyle \Sigma (\theta )} が μ ( θ ) {\displaystyle \mu (\theta )} の共分散行列であるとするなら、 X {\displaystyle X} ~ N ( μ ( θ ) , Σ ( θ ) ) {\displaystyle N(\mu (\theta ),\Sigma (\theta ))} のフィッシャー情報行列、 I m , n ( 0 ≤ ; m , n < N ) {\displaystyle {\mathcal {I}}_{m,n}\,(0\leq ;m,n<N)} の成分は以下の式で与えられる。 I m , n = ∂ μ ∂ θ m Σ − 1 ∂ μ ⊤ ∂ θ n + 1 2 t r ( Σ − 1 ∂ Σ ∂ θ m Σ − 1 ∂ Σ ∂ θ n ) , {\displaystyle {\mathcal {I}}_{m,n}={\frac {\partial \mu }{\partial \theta _{m}}}\Sigma ^{-1}{\frac {\partial \mu ^{\top }}{\partial \theta _{n}}}+{\frac {1}{2}}\mathrm {tr} \left(\Sigma ^{-1}{\frac {\partial \Sigma }{\partial \theta _{m}}}\Sigma ^{-1}{\frac {\partial \Sigma }{\partial \theta _{n}}}\right),} ここで、 ( . . ) ⊤ {\displaystyle (..)^{\top }} はベクトルの転置を示す記号であり、 t r ( . . ) {\displaystyle \mathrm {tr} (..)} は、平方行列のトレースを表す記号である。また、微分は以下のように定義される。 ∂ μ ∂ θ m = ( ∂ μ 1 ∂ θ m , ∂ μ 2 ∂ θ m , ⋯ , ∂ μ N ∂ θ m ) {\displaystyle {\frac {\partial \mu }{\partial \theta _{m}}}={\begin{pmatrix}{\frac {\partial \mu _{1}}{\partial \theta _{m}}},&{\frac {\partial \mu _{2}}{\partial \theta _{m}}},&\cdots ,&{\frac {\partial \mu _{N}}{\partial \theta _{m}}}\end{pmatrix}}} ∂ Σ ∂ θ m = ( ∂ Σ 1 , 1 ∂ θ m ∂ Σ 1 , 2 ∂ θ m ⋯ ∂ Σ 1 , N ∂ θ m ∂ Σ 2 , 1 ∂ θ m ∂ Σ 2 , 2 ∂ θ m ⋯ ∂ Σ 2 , N ∂ θ m ⋮ ⋮ ⋱ ⋮ ∂ Σ N , 1 ∂ θ m ∂ Σ N , 2 ∂ θ m ⋯ ∂ Σ N , N ∂ θ m ) . {\displaystyle {\frac {\partial \Sigma }{\partial \theta _{m}}}={\begin{pmatrix}{\frac {\partial \Sigma _{1,1}}{\partial \theta _{m}}}&{\frac {\partial \Sigma _{1,2}}{\partial \theta _{m}}}&\cdots &{\frac {\partial \Sigma _{1,N}}{\partial \theta _{m}}}\\\\{\frac {\partial \Sigma _{2,1}}{\partial \theta _{m}}}&{\frac {\partial \Sigma _{2,2}}{\partial \theta _{m}}}&\cdots &{\frac {\partial \Sigma _{2,N}}{\partial \theta _{m}}}\\\\\vdots &\vdots &\ddots &\vdots \\\\{\frac {\partial \Sigma _{N,1}}{\partial \theta _{m}}}&{\frac {\partial \Sigma _{N,2}}{\partial \theta _{m}}}&\cdots &{\frac {\partial \Sigma _{N,N}}{\partial \theta _{m}}}\end{pmatrix}}.}
※この「多変量正規分布」の解説は、「フィッシャー情報量」の解説の一部です。
「多変量正規分布」を含む「フィッシャー情報量」の記事については、「フィッシャー情報量」の概要を参照ください。
- 多変量正規分布のページへのリンク