Top > Search of Japanese Patents > RANDOM NUMBER GENERATING METHOD BASED ON NON-NORMAL DISTRIBUTION, AND PARAMETER ESTIMATION METHOD THEREOF

RANDOM NUMBER GENERATING METHOD BASED ON NON-NORMAL DISTRIBUTION, AND PARAMETER ESTIMATION METHOD THEREOF

Patent code P140011048
File No. 2005-P53
Posted date Oct 30, 2014
Application number P2005-130854
Publication number P2005-259170A
Patent number P4350062
Date of filing Apr 28, 2005
Date of publication of application Sep 22, 2005
Date of registration Jul 31, 2009
Priority data
  • P2002-093355 (Mar 28, 2002) JP
  • P2002-093356 (Mar 28, 2002) JP
Inventor
  • (In Japanese)永原 裕一
Applicant
  • (In Japanese)学校法人明治大学
Title RANDOM NUMBER GENERATING METHOD BASED ON NON-NORMAL DISTRIBUTION, AND PARAMETER ESTIMATION METHOD THEREOF
Abstract PROBLEM TO BE SOLVED: To construct a distribution for approximating an empirical distribution by using a multivariate non-normal distribution using random numbers in accordance with a Pearson distribution and a general probability distribution.
SOLUTION: This random number generating method for generating random numbers in accordance with multivariate non-normal distributions based on a Yuan and Bentler method I on a computer includes: application steps for applying n-dimensional multivariate non-normal distributions to an n-dimensional experience distribution by using the computer; and steps for generating random numbers by using the computer. The application steps use predetermined relationship equations for third and fourth order moments to perform application associated with the third and fourth order moments of the empirical distributions. Moreover, by using a random number generation method, parameters are estimated by a maximum likelihood method. Furthermore, the random number generation method and the parameters estimation method are applied to the simulation of a financial field, ion implantation to semiconductors and the like.
Outline of related art and contending technology (In Japanese)



従来、多変量非正規分布を生成する方法は、数えるしか存在していない。このような分布は、多変量解析と統計モデリングの分野において、切望されている。





フライシュマン(Fleishmann)(1978)、タジカマラ(Tadikamalla)(1980)、ベイルとマブレリ(Vale and Mavrelli)(1983)は、多変量非正規分布を生成する方法を提案した。これらの方法は、シミュレーションした母集団の確率ベクトルの4次のモーメント行列を計算することが難しいという欠点がある。ユアン及びベントラー(1997)は、4次のモーメント行列を考慮し、特定の周辺の歪度と尖度を有する多変量非正規分布を生成する手法を提案した。





本明細書では、ユアン等が方法Iと称したものは、次の通りである。ξ1,・・・,ξmは、独立な確率変数であり、E(・)を期待値として、E(ξj)=0,E(ξj2)=1,E(ξj3)=ζj,E(ξj4)=κj及びξ=(ξ1,・・・,ξ1)´である。νは、ξに独立な確率変数であり、E(ν)=0,E(ν2)=1,E(ν3)=γ,E(ν4)=βを満たす。また、T=(tij)は、階数pのp行m列の非確率行列であり、TT´=Σとm≧pを満たす。すると、次の式(35)で与えられる確率ベクトルは、一般に、非楕円分布に従い、Cov(X)=Σを満たす。ここで、Cov(・)は、確率ベクトルX=(x1,・・・,xn)´の分散共分散行列である。





【数40】




xiの周辺の歪度(skew)と尖度(kurt)は、それぞれ次の式(36)及び(37)によって与えられる。





【数41】




【数42】




Xは、ξ~Nm(0,I)及びPr(ν≧0)=1(ただし、Nmはm次元正規分布、Prは確率を表す。)が満たされるとき、楕円分布に従う(ファン、コッツ及びング(Fang, Kotz and Ng)(1990))。ν=1とし、z1,・・・,zpを独立な標準正規変数とし、ξ=|z1|-E(|z1|),ξj=zj,j=2,・・・,pとすると、式(35)におけるXは、アザリニ及びバレ(Azzalini and Valle)(1996)によって定義された歪んだ正規分布に従う。





この方法には、母集団の4次モーメント行列を容易に計算できるという利点がある。Sを式(35)のXからの大きさnの標本に基づいた標本共分散とする。vech(・)を対称行列から重複しない要素を取り出してベクトルに変換する演算子とし、s=vech(S)とする。すると、sの漸近的分散共分散行列はΓ/nによって与えられる。ここで、Γ=var(vech(XX´))であり、次の式(38)によって与えられる。varは、分散である。





【数43】




ただし、tjは、T=(tij)の第j列ベクトルであり、

【数44】




は、クロネッカー積である。Dpは、p次のデュプリケーション行列であり、Dp+は、Dpのムーア・ペンローズの一般化逆行列である。





この後、ユアン等は、検定統計の理論を研究した(ユアン及びベントラー(1999a,1999b,2000))。ユアン等は、確率ベクトルを生成するにはフライシュマン(1978)の方法を推奨している。しかし、この分布は、あまり広い歪度及び尖度を有していない。これに対して、ピアソン分布系は、次のような特徴を有する。





(1)ピアソン分布系は、様々な歪度と尖度を有する広いクラスの分布を表現することができる。ピアソン分布系は、ガンマ分布、ベータ分布、t分布等のいくつかの良く知られた分布を含む。





(2)ピアソン分布系は、4つのモーメントによって特徴付けられる。この特徴は、ユアン等の方法を適用するためには十分である。





(3)IV型を除いたピアソン分布系に従う乱数は、正規分布とガンマ分布に従う乱数を用いて生成される。





(4)最近、実現することが難しかったピアソンIV型分布を含む殆ど全ての種類を用いる実用的な手法が開発された(永原(2002))。





ここで、ピアソン分布系を導入する。ケイ・ピアソン(K. Pearson)(1895)は、確率密度関数pに関する次の式(39)の微分方程式に従い、ピアソン分布系を定義した。





【数45】




ピアソン第IV型分布は、正規化定数を計算することが難しいので、実現することが難しかったが、論文(永原(1999))において、計算に用いる再帰的公式を導出し、様々な問題を解決した。この後、非ガウスフィルタに用いるピアソンIV型分布を含む分布系の殆ど全ての種類を用いる実用的な手法を開発した(永原(2002))。これらの研究により、ピアソン分布系が実用的に利用できるようになった。





ここで、ピアソン分布系に関して参照される研究者と文献を掲げる(ピアソン(1914)、ピアソン及びハートリー(1954)、ピアソン(1963)、ホードリ-(1968)、エルダートン及びジョンソン(1969)、オード(1972)、パリシュ(1983)、ジョンソン、コッツ及びバラカリシュナン(1994)、スチュアート及びオード(1994))。





参考文献としては、次のものが挙げられる。





[1]アザリニ,エイ.及びバレ,エイ.ディー.(Azzalini, A. and Valle, A. D.)(1996)「多変量の歪んだ正規分布(The multivariate skew-normal distribution)」、バイオメトリカ(Biometrika)、83巻、715~726頁

[2]ドブロイ,エル.(Devroye. L.)(1984)「対数凹密度を有する確率変数を生成する簡単なアルゴリズム(A simple algorithm for generating random variates with a log-concave density)」、コンピューティング(Computing)、33巻、247~257頁

[3]ドブロイ,エル.(Devroye. L.)(1986)「非一様な確率変数の生成(Non-Uniform Random Variate Generation)」、スプリンガー(Springer)、ニューヨーク(New York)

[4]エルダートン,ダブリュ.ピー.及びジョンソン,エヌ.エル.(Elderton, W. P. and Johnson, N. P.)(1969)「頻度曲線の系(Systems of Frequency Curves)」、ケンブリッジ大学出版(Cambridge University Press)

[5]ファング ケイ.ティー,コッツ,エス及びング,ケイ.ダブリュ.(Fang K. -T, Kotz, S. and Ng, K. W.)(1990)「対称多変量及び関連する分布(Symmetric Multivariate and Related Distributions)」、チャップマン及びホール(Chapman & Hall)、ロンドン(London)

[6]フライシュマン,エイ.(Fleishmann, A.)(1978)「非正規分布のシミュレーション方法(A method for simulating non-normal distributions)」、サイコメトリカ(Psychometrika)、43巻、521~532頁

[7]ホードリー,エイ.ビー.(Hoadley, A. B.)(1968)「左端と最初の3つのモーメントが知られた歪んだ密度を近似するためのピアソン分布の使用(Use of the Pearson densities for approximating a skew density whose left terminal and first three moments are known)」、バイオメトリカ(Biometrika)、55巻、3号、559~563頁

[8]ジョンソン,エヌ.エル,コッツ,エス.及びバラクリシュナン,エヌ.(Johnson, N. L, Kotz, S. and Balakrishnan, N.)(1994)「連続単変量分布1(Continuous univariate distribution)」、第2版、ジョン・ワイリー(John Wiley)、

[9]マグナス,ジェイ.アール.及びニューデッカー,エイチ.(Magnus, J. R. and Neudecker, H.)(1988)「統計及び計量経済学における応用を有する行列微分法(Matrix Differential Calculus with Application in Statistics and Econometrics)」、ワイリー(Wiley)、ニューヨーク(New York)

[10]マクグラス,イー.ジェイ.及びアービング,ディー.シー(McGrath, E. J. and Irving, D. C.)(1973)「効果的なモンテカルロ・シミュレーションの技術 第2巻:選択した確率分布についての乱数の生成(Techniques for efficient Monte Carlo simulation: volume 2: random number generation for selected probability distributions)」、テクニカル・リポート(Technical Report SAI-72-590-LJ)、サイエンス・アプリケーションズ社(Science Applications, Inc.),ラヨラ(La Jolla)、カリフォルニア(CA)

[11]ムーアヘッド,アール.ジェー.(Muirhead, R. J.)(1982)「多変量統計理論の諸問題(Aspscts of Multivariate Statistical Theory)」、ワイリー(Wiley)、ニューヨーク(New York)

[12]永原,ワイ.(Nagahara, Y.)(1999)「ピアソンIV型分布の確率密度関数及び分布関数とパラメータの最尤推定(The PDF and CF of Pearson type IV distributions and the ML estimation of the parameters)」、スタティスティクス・アンド・プロバビリティー・レターズ(Statistics & Probability Letters)、43巻、251~264頁

[13]永原,ワイ(Nagahara, Y)(2002)「ピアソン分布系に基づく非ガウスフィルタ及びスムーザー(Non-Gaussian filter and smoother based on the Pearson distribution system)」、ジャーナル・オブ・タイム・シリーズ・アナリシス(Journal of Time Series Analysis)、近刊

[14]オード,ジェイ.ケイ.(Ord, J. K.)(1972)「頻度分布の族(Family of Frequency Distributions)」、グリフィン(Griffin)出版

[15]パリシュ,アール.(Parrish, R.)(1983)「ピアソン分布についてのメンバー選択とパラメータ推定への積分アプローチ(On an integrated approach to member selection and parameter estimation for Pearson distributions)」、コンピュテイショナル・スタティスティクス及びデータ解析(Computational Statistics & Data Analysis)、1巻、239~255頁

[16]ピアソン,イー.エス.(Pearson, E. S.)(1963)「モーメントを用いた確率分布近似で生じるいくつかの問題(Some problems arising in approximating to probability distributions, using moments)」、バイオメトリカ(Biometrika)、50巻、95~111頁

[17]ピアソン,ケイ(Pearson, K.)(1895)「均質な物質における歪んだ分散についての研究(Memoir on skew variation in homogeneous material)」、フィロソフィカル・トランザクションズ・オブ・ザ・ローヤル・ササイアティー(Phil. Trans. Roy. Soc.)、エイ(A)、186巻、343~414頁

[18]ピアソン,ケイ(Pearson, K.)(1914)「統計及び計量生物学のための数表(Tables for Statistics and Biometrics)」、1巻、ケンブリッジ大学出版(Cambridge University Press)

[19]ピアソン,イー.エス.及びハートリー,エイチ.オー.(Pearson, E. S. and Hartrey, H. O. )(1954)「統計のための計量生物学数表(Biometrika Tables for Statistics)」、1巻、ケンブリッジ大学出版(Cambridge University Press)

[20]ショラック,ジー.アール.(Shorack, G. R.)(2000)「統計のための確率(Probability for Statistics)」、スプリンガー(Springer)、ニューヨーク(New York)

[21]スチュアート,エイ及びオード,ジェイ.ケイ.(Stuart, A. and Ord, J. K.)(1994)「ケンダルによる統計の進んだ理論(Kendall's Acvanced Theory of Statistics)」、1巻、分布理論(Distribution Theory)、6版、エドワード・アーノルド(Edward Arnold)

[22]タジカマラ,ピー.アール.(Tadikamalla, P. R.)(1980)「非正規分布のシミュレーションについて(On simulating non-normal distributions)」、サイコメトリカ(Psychometrika)、45巻、273~279頁

[23]ユアン,ケイ.エイチ.及びベントラー,ピー.エム.(Yuan K, -H. and Bentler P. M.)(1997)「特定の周辺の歪度及び尖度を有する多変量分布の生成(Generating multivariate distributions with specified marginal skewness and kurtosis)」、ソフトスタット‘97-統計ソフトウェアにおける発展(ダブリュ.バンディラ及びエフ.ファウルバウム編集)内(in SoftStat'97-Advances in Statistical Software 6, (W. Bandilla and F. Faulbaum, Eds.))、385~391頁、ルシアス・アンド・ルシアス(Lucius & Lucius)、シュトゥットガルト(Stuttgart)、ドイツ

[24]ユアン,ケイ.エイチ.及びベントラー,ピー.エム.(Yuan K, -H. and Bentler P. M.)(1999a)「非正規分布における2つのクラスの下での共分散構造解析における正規理論及び付随する検定統計(On normal theory and associated test statistics in covariance structure analysis under two classes of nonnormal distributions)」、スタティスティカ・シニカ(Statist. Sinica)、9巻、831~853頁

[25]ユアン,ケイ.エイチ.及びベントラー,ピー.エム.(Yuan K, -H. and Bentler P. M.)(1999b)「いくつかの非正規分布の下での共分散構造解析における正規理論MLEの漸近的分布について(On asymptotic distributions of normal theory MLE in covariance structure analysis under some nonnormal distributions)」、スタティスティクス・アンド・プロバビリティー・レターズ(Statistics & Probability Letters)、42巻、107~113頁

[26]ユアン,ケイ.エイチ.及びベントラー,ピー.エム.(Yuan K, -H. and Bentler P. M.)(2000)「非正規分布のいくつかのクラスにおける相関係数の推定Inferences on correlation coefficients in some classes of nonnormal distributions)」、ジャーナル・オブ・マルチヴァリエイト・アナリシス(Journal of Multivariate Analysis)、72巻、230~248頁

[27]ベイル,ディー及びモーレイ,ブイ.エイ.(Vale, D. and Maurelli, V. A.)(1983)「多変量非正規分布シミュレーション(Simulating Multivariate Nonormal Distributions)」、サイコメトリカ(Psycometrika)、48巻、465~471頁

Field of industrial application (In Japanese)



本発明は、多変量非正規分布に従う乱数発生方法及び多変量非正規分布のパラメータ推定方法、ピアソンIV型分布に従う乱数発生方法及びコンピュータ・プログラムに関する。

Scope of claims (In Japanese)
【請求項1】
 
コンピュータ上で多変量非正規分布に従う乱数を発生する乱数発生方法であって
経験データ{X1´,・・・,XN´}、すなわち、
【数1】
 


をコンピュータに入力するステップと、
コンピュータを用いて、前記経験データ{X1´,・・・,XN´}を標準化して{X1,・・・,XN}とするステップと、
コンピュータを用いて、前記標準化されたデータ{X1,・・・,XN}に基づいて、分散共分散行列Σを計算するステップと、
コンピュータを用いて、前記標準化されたデータ{X1,・・・,XN}に基づいて、3次モーメントmijk(1≦i≦j≦k≦n)を計算するステップと、
コンピュータを用いて、前記標準化されたデータ{X1,・・・,XN}に基づいて、4次モーメントmijkl(1≦i≦j≦k≦l≦n)を計算するステップと、
コンピュータを用いて、前記分散共分散行列ΣからT=Σ1/2(行列の平方根)を満たす行列Tを計算するステップと、
前記標準化されたデータ{X1,・・・,XNが従う分布が、X=νTξ(ここで、ξは、m(ここで、m=nである。)個の確率変数ξ1,・・・,ξmからなる確率ベクトル(ξ1,・・・,ξm)´である。独立な確率変数ξ1,・・・,ξmは、パラメータζj及びκjについて、E(ξj)=0,E(ξj2)=1,E(ξj3)=ζj,E(ξj4)=κj(1≦j≦m)を満たす。また、νはν=1で、パラメータγ及びβについて、E(ν2)=1,E(ν3)=γ=1,E(ν4)=β=1を満たす。)を満たす非正規分布を有すると仮定して、コンピュータを用いて、3次モーメントmijk(1≦i≦j≦k≦n)及び4次モーメントmijkl(1≦i≦j≦k≦l≦n)とfijk(T,ζ,γ,κ,β),fijkl(T,ζ,γ,κ,β)(ここでζ=(ζ1,・・・,ζm),κ=(κ1,・・・,κm)である。)との差を損失とする損失関数を導入し、全体として評価するリスク関数を最小化するようにパラメータT,(ζ1,・・・,ζm),γ,(κ1,・・・,κm),βを決定するステップと、
コンピュータを用いて、一様乱数を発生するとともに、この一様乱数から、前記決定されたパラメータT,(ζ1,・・・,ζm),γ,(κ1,・・・,κm),βに基づく前記確率変数ξ1,・・・,ξmに従ったm個の系列の乱数を計算するステップと、
コンピュータを用いて、前記確率変数ξ1,・・・,ξmに従ったm個の系列の乱数から、X=νTξに基づいて、標準化された多変量非正規分布に従った乱数を計算するステップと、
コンピュータを用いて、前記標準化された多変量非正規分布に従った乱数から、前記標準化の逆変換により、標準化前の経験データ{X1´,・・・,XN´}に対応する多変量非正規分布に従った乱数に変換するステップと、
を有する
多変量非正規分布に従う乱数発生方法。
ただし、前記損失関数(L)及びリスク関数(R)は、式(1)及び(2)、式(3)及び(4)、又は式(5)及び(6)のいずれかの組で与えられるものとする。
【数2】
 


【数3】
 


【数4】
 


【数5】
 


【数6】
 


【数7】
 


ただし、fijk(T,ζ,γ,κ,β)及びfijkl(T,ζ,γ,κ,β)は、3次モーメントE(xixjxk)及び4次モーメントE(xixjxkxl)にそれぞれ対応する関係式(7)及び(8)による表現とする。また、wijk及びwijklは、所定の重みである。
【数8】
 


【数9】
 


ただし、E(・)は、期待値であり(以下同じ)、vech(・)は、対称行列から重複しない行列要素を取り出したベクトルであり、Dnは、n次のデュプリケーション行列であり、Dn+は、Dnのムーア・ペンローズの一般化逆行列であり、
【数10】
 


は、クロネッカー積であり、Eiiは、eiを第i列単位としてeiei′である。

【請求項2】
 
前記確率変数ξ1,・・・,ξmには、少なくとも2以上の型のピアソン分布系に従う乱数を使い、
前記リスク関数を最小化するようにパラメータT,(ζ1,・・・,ζm),γ,(κ1,・・・,κm),βを決定するステップは、式(9)及び(10)でそれぞれ与えられるn次元の経験分布(確率ベクトル(X1,・・・,Xn)´とする。)の3次及び4次モーメントに関して、式(11)の値を最小にするパラメータT,ζ=(ζ1,・・・,ζm),κ=(κ1,・・・,κm)の少なくとも1つを求める請求項1に記載の多変量非正規分布に従う乱数発生方法。
【数11】
 


【数12】
 


【数13】
 


ただし、fijk(T,ζ,γ,κ,β)及びfijkl(T,ζ,γ,κ,β)は、3次モーメントE(xixjxk)及び4次モーメントE(xixjxkxl)にそれぞれ対応する関係式(12)及び(13)による表現とする。また、wijk及びwijklは、所定の重みである。
【数14】
 


【数15】
 



【請求項3】
 
wijk=1,wijkl=1である請求項2に記載の多変量非正規分布に従う乱数発生方法。

【請求項4】
 
n=2であって、前記あてはめるステップは、式(14)及び(15)でそれぞれ与えられる2次元の経験分布(確率ベクトル(X1,X2)´とする。)の3次及び4次モーメントと、式(16)及び(17)で与えられる3次モーメントE(xixjxk)及び4次モーメントE(xixjxkxl)にそれぞれ対応する表現とについて、式(18)で与えられる値を最小にするようにパラメータT,ζ=(ζ1,ζ2),κ=(κ1,κ2)の少なくとも1つを求める請求項2又は3に記載の多変量非正規分布に従う乱数発生方法。
【数16】
 


【数17】
 


【数18】
 


【数19】
 


【数20】
 



【請求項5】
 
wi=1である請求項4に記載の多変量非正規分布に従う乱数発生方法。

【請求項6】
 
パラメータT,ζ=(ζ1,・・・,ζm),κ=(κ1,・・・,κm)の少なくとも1つを最尤法により推定する請求項1乃至5のいずれか1項に記載の多変量非正規分布に従う乱数発生方法。

【請求項7】
 
式(19)で与えられるκの値を用いて、表1に示すκの値と分布の型との対応関係の少なくとも1つを用いて前記確率変数の属する型を決定する請求項1乃至6のいずれか1項に記載の多変量非正規分布に従う乱数発生方法。
【数21】
 


【表1】
 


ただし、β1とβ2は、それぞれ歪度の2乗と尖度であり、式(19)及び表1におけるκは、前記パラメータκ=(κ1,・・・,κm)とは異なる。

【請求項8】
 
経験データ{X1´,・・・,XN´}、すなわち、
【数1】
 


をコンピュータに入力するステップと、
コンピュータを用いて、前記経験データ{X1´,・・・,XN´}を標準化して{X1,・・・,XN}とするステップと、
コンピュータを用いて、任意の分散共分散行列ΣからT=Σ1/2(行列の平方根)を満たす行列Tを計算するステップと、
前記標準化されたデータ{X1,・・・,XN}が従う分布が、X=νTξ(ここで、ξは、m(ここで、m=nである。)個の確率変数ξ1,・・・,ξmからなる確率ベクトル(ξ1,・・・,ξm)´である。独立な確率変数ξ1,・・・,ξmは、パラメータζj及びκjについて、E(ξj)=0,E(ξj2)=1,E(ξj3)=ζj,E(ξj4)=κj(1≦j≦m)を満たす。また、νはν=1で、パラメータγ及びβについて、E(ν2)=1,E(ν3)=γ=1,E(ν4)=β=1を満たす。)を満たす非正規分布を有すると仮定して、コンピュータを用いて、任意のパラメータ(ζ1,・・・,ζm),γ,(κ1,・・・,κm),βに基づいて、式(20)及び表2により(β1とβ2は、それぞれ歪度の2乗と尖度である。)、前記確率変数ξ1,・・・,ξmが各々ピアソン分布のどの型に属するかを決定するステップと、
【数23】
 


【表2】
 


コンピュータを用いて、一様乱数を発生するとともに、この一様乱数から、表3、表4、表5、表6により、ピアソン分布の型に応じて、前記確率変数ξ1,・・・,ξmに従ったm個の系列の乱数を計算するステップと、
【表3】
 


【表4】
 


【表5】
 


【表6】
 


コンピュータを用いて、前記確率変数ξ1,・・・,ξmに従ったm個の系列の乱数から、X=νTξに基づいて、標準化された多変量非正規分布に従った乱数を計算するステップと、
コンピュータを用いて、前記標準化された多変量非正規分布に従う確率ベクトルXについての空間を、所定間隔Δhで分割し、このn次元空間を(Δh)nの超立方体へ分割するステップと、
コンピュータを用いて、各データ・ベクトルの属する区間(Δh)n内に存在する乱数の個数を乱数の総数で除して、当該区間(Δh)nの確率Pi(θ)を計算するステップと、
コンピュータを用いて、前記確率Pi(θ)をn次元体積(Δh)nで除して、前記データ・ベクトルの属する区間(Δh)nの尤度fi(θ)を計算するステップと、
コンピュータを用いて、前記尤度fi(θ)の積Πi=1Nfi(θ)又は対数尤度の和
Σi=1Nlog fi(θ)が最大になるようなパラメータθを計算するステップと、
を有する多変量非正規分布のパラメータ推定方法。
ただし、パラメータθは、パラメータT,ζ=(ζ1,・・・,ζm),γ,κ=(κ1,・・・,κm)、βの少なくとも1つを表す。
ただし、式(20)及び表2において、β1とβ2は、それぞれ歪度の2乗と尖度であり、κは、前記パラメータκ=(κ1,・・・κm)とは異なる。
ただし、E(・)は、期待値であり(以下同じ)、vech(・)は、対称行列から重複しない行列要素を取り出したベクトルであり、Dnは、n次のデュプリケーション行列であり、Dnは、Dnのムーア・ペンローズの一般化逆行列であり、
【数24】
 


は、クロネッカー積であり、Eiiは、eiを第i列単位としてeieiである。
ここで、独立な確率変数ξ1,・・・,ξmは、パラメータζj及びκjについて、E(ξj)=0,E(ξj2)=1,E(ξj3)=ζj,E(ξj4)=κj(1≦j≦m)を満たす。
νはν=1で、パラメータγ及びβについて、E(ν2)=1,E(ν3)=γ=1,E(ν4)=β=1を満たす。
階数nのn行m列(m≧n)の非確率行列T=(tij)は、行列Σ=(σij)について、TT´=Σを満たす。ただし、行列T´はTの転置行列である。
このとき、次の式(21)で与えられる確率ベクトルX=(x1,・・・,xn)´は、Cov(X)=Σを満たす。ただし、Cov(・)は、ベクトルの分散共分散行列であり、ξ=(ξ1,・・・,ξm)´である。
【数25】
 



【請求項9】
 
前記確率変数ξ1,・・・,ξmには、ピアソン分布系に従う乱数を使う請求項8に記載の多変量非正規分布のパラメータ推定方法。

【請求項10】
 
前記確率変数ξ1,・・・,ξmには、少なくとも2以上の型のピアソン分布を用いる請求項9に記載の多変量非正規分布のパラメータ推定方法。

【請求項11】
 
請求項1乃至請求項7のいずれか一に記載の乱数発生方法を実現する、コンピュータにより実行可能なコンピュータ・プログラム。

【請求項12】
 
請求項11記載のコンピュータ・プログラムを記録した記録媒体。

【請求項13】
 
請求項8乃至請求項10のいずれか一に記載の多変量非正規分布のパラメータ推定方法を実現する、コンピュータにより実行可能なコンピュータ・プログラム。

【請求項14】
 
請求項13記載のコンピュータ・プログラムを記録した記録媒体。
IPC(International Patent Classification)
Drawing

※Click image to enlarge.

JP2005130854thum.jpg
State of application right Registered
Please contact us by E-mail or facsimile if you have any interests on this patent.


PAGE TOP

close
close
close
close
close
close
close