楕円型分布

楕円型分布の条件付き分布と重相関係数

  1. HOME >
  2. 楕円型分布 >

楕円型分布の条件付き分布と重相関係数

スポンサーリンク

前回の楕円型分布の線形結合の分布に続いて、楕円型分布の条件付き分布とその重相関係数についてみていく。

多変量正規分布の条件付き分布とその重相関係数を楕円型分布に拡張していく。

多変量正規分布については、それぞれ多変量正規分布の条件付き分布重相関係数について参照されたい。

楕円型分布の条件付き分布

\(\boldsymbol{y} = (\boldsymbol{y}_1^T, \boldsymbol{y}_2^T)^T\)が球面分布\(g(\boldsymbol{y}^T\boldsymbol{y})\)をもつとき、\(\boldsymbol{y}_2\)が与えられたときの\(\boldsymbol{Y}_1\)の条件付き分布の確率密度関数について考える。条件付き分布の定義より、\(\boldsymbol{y}_2\)が与えられたときの\(\boldsymbol{Y}_1\)の条件付き分布の確率密度関数は次で与えられる。

\begin{align}\cfrac{g(\boldsymbol{y}_1^T\boldsymbol{y}_1 + \boldsymbol{y}_2^T\boldsymbol{y}_2)}{g_2(\boldsymbol{y_2}^T\boldsymbol{y}_2)} &= \cfrac{g(\boldsymbol{y}_1^T\boldsymbol{y}_1  + r_2^2) r_2^{(p-q)-1}\cos^{(p-q) - 2}\theta_1 \cos^{(p-q) - 3}\theta_2 \cdots \cos\theta_{(p-q) - 2} }{g_2(r_2^2) r_2^{(p-q)-1}\cos^{(p-q) - 2}\theta_1 \cos^{(p-q) - 3}\theta_2 \cdots \cos\theta_{(p-q) - 2} }\\\label{eq1}&=\cfrac{g(\boldsymbol{y_1}^T\boldsymbol{y}_1 + r_2^2)}{g_2(r_2^2)},\tag{1}\end{align}

ここに、周辺密度関数\(g_2(\boldsymbol{y}_2^T\boldsymbol{y}_2)\)は楕円型分布の線形結合の分布の(2)式で与えられたものとし、\(r_2 = \boldsymbol{y}_2^T\boldsymbol{y}_2\)である。\(\boldsymbol{y}_1\)に関して、\eqref{eq1}は球面分布である(ただし、\(r_2^2\)に依る)。

ここで楕円型分布の(2)式の確率密度関数をもつ\(\boldsymbol{X} = (\boldsymbol{X}^{(1)T}, \boldsymbol{X}^{(2)T})^T\)を考える。\(\boldsymbol{X}^{(2)} = \boldsymbol{x}^{(2)}\)が与えられたときの\(\boldsymbol{X}^{(1)}\)の条件付き密度関数を導出するために、まず同時分布を次のように展開する。

\begin{align}&|\boldsymbol{\Lambda}|^{-\frac{1}{2}} g\bigl[(\boldsymbol{x} - \boldsymbol{\nu})^T\boldsymbol{\Lambda}^{-1}(\boldsymbol{x} - \boldsymbol{\nu})\bigr]\\&=|\boldsymbol{\Lambda}_{11\cdot 2}|^{-\frac{1}{2}}\cdot|\boldsymbol{\Lambda}_{22}|^{-\frac{1}{2}} \\&\ \ \ \ \cdot g\left[\begin{pmatrix}(\boldsymbol{x}^{(1)} - \boldsymbol{\nu}^{(1)})^T & (\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})^T\end{pmatrix}\begin{pmatrix}\boldsymbol{\Lambda}_{11\cdot2}^{-1} & -\boldsymbol{\Lambda}_{11\cdot}^{-1}\boldsymbol{\Lambda}_{12}\boldsymbol{\Lambda}_{22}^{-1}\\-\boldsymbol{\Lambda}_{22}^{-1}\boldsymbol{\Lambda}_{21}\boldsymbol{\Lambda}_{11\cdot2}^{-1} & \boldsymbol{\Lambda}_{22}^{-1}\boldsymbol{\Lambda}_{21}\boldsymbol{\Lambda}_{11\cdot2}^{-1}\boldsymbol{\Lambda}_{12}\boldsymbol{\Lambda}_{22}^{-1} + \boldsymbol{\Lambda}_{22}^{-1}\end{pmatrix}\begin{pmatrix}\boldsymbol{x}^{(1)} - \boldsymbol{\nu}^{(1)}\\\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)}\end{pmatrix}\right]\\&=|\boldsymbol{\Lambda}_{11\cdot 2}|^{-\frac{1}{2}}\cdot|\boldsymbol{\Lambda}_{22}|^{-\frac{1}{2}} \\&\ \ \ \ \cdot g\Bigl[(\boldsymbol{x}^{(1)} - \boldsymbol{\nu}^{(1)})^T\boldsymbol{\Lambda}_{11\cdot2}^{-1}(\boldsymbol{x}^{(1)} - \boldsymbol{\nu}^{(1)}) - (\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})^T\boldsymbol{\Lambda}_{22}^{-1}\boldsymbol{\Lambda}_{21}\boldsymbol{\Lambda}_{11\cdot2}^{-1}(\boldsymbol{x}^{(1)} - \boldsymbol{\nu}^{(1)})\\&\ \ \ \ -(\boldsymbol{x}^{(1)} - \boldsymbol{\nu}^{(1)})^T\boldsymbol{\Lambda}_{11\cdot2}^{-1}\boldsymbol{\Lambda}_{12}\boldsymbol{\Lambda}_{22}^{-1}(\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)}) + (\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})^T\boldsymbol{\Lambda}_{22}^{-1}\boldsymbol{\Lambda}_{21}\boldsymbol{\Lambda}_{11\cdot2}^{-1}\boldsymbol{\Lambda}_{12}\boldsymbol{\Lambda}_{22}^{-1}(\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})\\&\ \ \ \ + (\boldsymbol{x}^{(2)} -\boldsymbol{\nu}^{(2)})^T\boldsymbol{\Lambda}_{22}^{-1}(\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})\Bigr]\\&= |\boldsymbol{\Lambda}_{11\cdot 2}|^{-\frac{1}{2}}\cdot|\boldsymbol{\Lambda}_{22}|^{-\frac{1}{2}} \\&\ \ \ \ \cdot g\Bigl[ \bigl\{(\boldsymbol{x}^{(1)} - \boldsymbol{\nu}^{(1)})^T - (\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})^T(\boldsymbol{\Lambda}_{12}\boldsymbol{\Lambda}_{22}^{-1})^T \bigr\} \boldsymbol{\Lambda}_{11\cdot2}^{-1} \bigl\{(\boldsymbol{x}^{(1)} - \boldsymbol{\nu}^{(1)}) - \boldsymbol{\Lambda}_{12}\boldsymbol{\Lambda}_{22}^{-1}(\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)}) \bigr\} + (\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})^T\boldsymbol{\Lambda}_22^{-1}(\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})\Bigr].\end{align}

ここで、\(r_2^2 = (\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})^T\boldsymbol{\Lambda}_{22}^{-1}(\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})\)、\(\boldsymbol{B} = \boldsymbol{\Lambda}_{12}\boldsymbol{\Lambda}_{22}^{-1}\)とおくと、\(\boldsymbol{X}^{(2)} = \boldsymbol{x}^{(2)}\)が与えられたときの\(\boldsymbol{X}^{(1)}\)の条件付き密度関数は次のようになる。

\begin{align} &|\boldsymbol{\Lambda}_{11\cdot 2}|^{-\frac{1}{2}}\cdot|\boldsymbol{\Lambda}_{22}|^{-\frac{1}{2}} \\&\ \ \ \ \cdot g\Bigl[ \bigl\{(\boldsymbol{x}^{(1)} - \boldsymbol{\nu}^{(1)})^T - (\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})^T\boldsymbol{B}^T \bigr\} \boldsymbol{\Lambda}_{11\cdot2}^{-1} \bigl\{(\boldsymbol{x}^{(1)} - \boldsymbol{\nu}^{(1)}) - \boldsymbol{B}(\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)}) \bigr\}\\&\ \ \ \ + (\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})^T\boldsymbol{\Lambda}_22^{-1}(\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})\Bigr] / |\boldsymbol{\Lambda}_{22}|^{-\frac{1}{2}}g_2\bigl[(\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})^T\boldsymbol{\Lambda}_{22}^{-1}(\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})\bigr]\\\label{eq2}&=\left\{|\boldsymbol{\Lambda}_{11\cdot2}|^{-\frac{1}{2}} g\Bigl[\bigl\{\boldsymbol{x}^{(1)} - \boldsymbol{\nu}^{(1)} -\boldsymbol{B}(\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})\bigr\}^T \boldsymbol{\Lambda}_{11\cdot2}^{-1}\bigl\{\boldsymbol{x}^{(1)} - \boldsymbol{\nu}^{(1)} -\boldsymbol{B}(\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})\bigr\}\Bigr]\right\} / g_2(r_2^2) \tag{2}.\end{align}

\eqref{eq2}の確率密度関数は\(\boldsymbol{x}^{(1)} - \boldsymbol{\nu}^{(1)} - \boldsymbol{B}(\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})\)において球面分布である。\(\mathrm{E}[R_1^2 | \boldsymbol{y}_2^T\boldsymbol{y}_2 = r_2^2] < \infty\)のとき、\(\boldsymbol{X}^{(2)} = \boldsymbol{x}^{(2)}\)が与えられたときの\(\boldsymbol{X}^{(1)}\)の条件付き平均は

\begin{align}\mathrm{E}[\boldsymbol{X}^{(1)} | \boldsymbol{x}^{(2)}] = \boldsymbol{\nu}^{(1)} + \boldsymbol{B}(\boldsymbol{x}^{(2)} - \boldsymbol{\nu}^{(2)})\end{align}

である。また、条件付き共分散行列は\((\mathrm{E}[R_1^2] / q)\boldsymbol{\Lambda}_{11\cdot2}\)である。\((\sigma_{ij\cdot q+1,\ldots, p}) = \boldsymbol{\Sigma}_{11\cdot2} = \boldsymbol{\Sigma}_{11} -\boldsymbol{\Sigma}_{12}\boldsymbol{\Sigma}_{22}^{-1}\boldsymbol{\Sigma}_{21}\)であり、偏相関係数の定義2は保証される。

重相関係数の定理1定理2定理3、は、\(\mathrm{E}[R^2] < \infty\)である任意の楕円型分布に対して成り立つ。

スポンサーリンク

  • この記事を書いた人
  • 最新記事

usagi-san

統計学とゲームとかをメインに解説していくよ。 数式とかプログラミングコードにミスがあったり質問があったりする場合はコメントで受け付けます。すぐに対応します。

-楕円型分布
-,