WikiDer > Энергетическое расстояние

Эта статья слишком полагается на Рекомендации к основные источники. Пожалуйста, улучшите это, добавив вторичные или третичные источники. (Январь 2011 г.) (Узнайте, как и когда удалить этот шаблон сообщения)

Энергетическое расстояние это статистическое расстояние между распределения вероятностей. Если X и Y - независимые случайные векторы в р^d с кумулятивные функции распределения (cdf) F и G соответственно, тогда энергетическое расстояние между распределениями F и G определяется как квадратный корень из

${ Displaystyle D ^ {2} (F, G) = 2 OperatorName {E} | XY | - operatorname {E} | X-X ' | - operatorname {E} | Y-Y ' | geq 0,}$

где (X, X ', Y, Y') независимы, cdf для X и X '- это F, cdf для Y и Y' - это G, ${ displaystyle operatorname {E}}$ это ожидаемое значение, и || . || обозначает длина вектора. Энергетическое расстояние удовлетворяет всем аксиомам метрики, таким образом, энергетическое расстояние характеризует равенство распределений: D (F, G) = 0, если и только если F = G. Энергетическое расстояние для статистических приложений было введено в 1985 г. Габор Дж. Секели, который доказал, что для действительных случайных величин ${ Displaystyle D ^ {2} (F, G)}$ ровно в два раза Харальд Крамеррасстояние:^[1]

${ displaystyle int _ {- infty} ^ { infty} (F (x) -G (x)) ^ {2} , dx.}$

Простое доказательство этой эквивалентности см. В Székely (2002).^[2]

Однако в более высоких измерениях эти два расстояния различаются, потому что энергетическое расстояние инвариантно относительно вращения, а расстояние Крамера - нет. (Обратите внимание, что расстояние Крамера не такое же, как без распространения Критерий Крамера – фон Мизеса.)

Обобщение на метрические пространства

Можно обобщить понятие энергетического расстояния на распределения вероятностей в метрических пространствах. Позволять ${ displaystyle (M, d)}$ быть метрическое пространство с этими Борелевская сигма-алгебра ${ Displaystyle { mathcal {B}} (М)}$. Позволять ${ Displaystyle { mathcal {P}} (М)}$ обозначают совокупность всех вероятностные меры на измеримое пространство ${ Displaystyle (М, { mathcal {B}} (М))}$. Если μ и ν - вероятностные меры в ${ Displaystyle { mathcal {P}} (М)}$, то энергия-расстояние ${ displaystyle D}$ из μ и ν можно определить как квадратный корень из

${ displaystyle D ^ {2} ( mu, nu) = 2 operatorname {E} [d (X, Y)] - operatorname {E} [d (X, X ')] - operatorname {E } [d (Y, Y ')].}$

Однако это не обязательно неотрицательно. Если ${ displaystyle (M, d)}$ является сильно отрицательно определенным ядром, то ${ displaystyle D}$ это метрика, и наоборот.^[3] Это условие выражается в том, что ${ displaystyle (M, d)}$ имеет отрицательный тип. Отрицательного типа недостаточно для ${ displaystyle D}$ быть метрикой; последнее условие выражается в том, что ${ displaystyle (M, d)}$ имеет сильный отрицательный тип. В этой ситуации энергетическое расстояние равно нулю тогда и только тогда, когда X и Y одинаково распределены. Примером метрики отрицательного типа, но не сильно отрицательного типа является плоскость с метрика такси. Все евклидовы пространства и даже сепарабельные гильбертовы пространства имеют сильный отрицательный тип.^[4]

В литературе по методы ядра за машинное обучениеэти обобщенные понятия энергетического расстояния изучаются под названием максимального среднего отклонения. Эквивалентность дистанционных и ядерных методов для проверки гипотез рассматривается несколькими авторами.^[5][6]

Статистика энергетики

Родственная статистическая концепция, понятие Электронная статистика или же энергетическая статистика^[7] был представлен Габор Й. Секели в 1980-х, когда он читал лекции на коллоквиумах в Будапеште, Венгрия, а также в Массачусетском технологическом институте, Йельском университете и Колумбии. Эта концепция основана на понятии Ньютона. потенциальная энергия.^[8] Идея состоит в том, чтобы рассматривать статистические наблюдения как небесные тела регулируется статистической потенциальная энергия который равен нулю только тогда, когда базовая статистическая нулевая гипотеза правда. Статистика энергетики - это функции расстояния между статистическими наблюдениями.

Энергетическое расстояние и Электронная статистика считались N-расстояния и N-статистика in Зингер А.А., Какосян А.В., Клебанов Л.Б. Описание распределений с помощью средних значений некоторых статистических данных в связи с некоторыми вероятностными метриками, Проблемы устойчивости для стохастических моделей. Москва, ВНИИСИ, 1989,47-55. (на русском), английский перевод: Характеристика распределений средними значениями статистики и некоторыми вероятностными метриками А. А. Зингер, А. В. Какосян, Л. Б. Клебанов в журнале советской математики (1992). В той же статье было дано определение сильно отрицательно определенного ядра и дано обобщение на метрические пространства, о котором говорилось выше. Книга^[3] предоставляет эти результаты и их приложения для статистического тестирования. Книга также содержит некоторые приложения для восстановления потенциала меры.

Тестирование на равное распределение

Рассмотрим нулевую гипотезу о том, что две случайные величины, Икс и Y, имеют одинаковые распределения вероятностей: ${ Displaystyle му = ню}$ . За статистические образцы из Икс и Y:

${ displaystyle x_ {1}, dots, x_ {n}}$ и ${ displaystyle y_ {1}, dots, y_ {m}}$,

следующие средние арифметические расстояния вычисляются между выборками X и Y:

${ displaystyle A: = { frac {1} {nm}} sum _ {i = 1} ^ {n} sum _ {j = 1} ^ {m} | x_ {i} -y_ {j } |, B: = { frac {1} {n ^ {2}}} sum _ {i = 1} ^ {n} sum _ {j = 1} ^ {n} | x_ {i } -x_ {j} |, C: = { frac {1} {m ^ {2}}} sum _ {i = 1} ^ {m} sum _ {j = 1} ^ {m} | y_ {i} -y_ {j} |}$.

E-статистика базовой нулевой гипотезы определяется следующим образом:

${ displaystyle E_ {n, m} (X, Y): = 2A-B-C}$

Можно доказать^[8][9] который ${ displaystyle E_ {n, m} (X, Y) geq 0}$ и что соответствующее значение совокупности равно нулю тогда и только тогда, когда Икс и Y имеют такое же распределение (${ Displaystyle му = ню}$). Согласно этой нулевой гипотезе, статистика теста

${ displaystyle T = { frac {nm} {n + m}} E_ {n, m} (X, Y)}$

сходится в распределении к квадратичной форме независимого стандарта нормальные случайные величины. По альтернативной гипотезе Т стремится к бесконечности. Это позволяет построить последовательную статистический тест, энергетический тест для равных распределений.^[10]

Также можно ввести E-коэффициент неоднородности. Это всегда от 0 до 1 и определяется как

${ displaystyle H = { frac {D ^ {2} (F_ {X}, F_ {Y})} {2 operatorname { operatorname {E}} | XY |}} = { frac {2 operatorname {E} | XY | - operatorname {E} | X-X ' | - operatorname {E} | Y-Y' |} {2 operatorname { operatorname {E}} | XY |}},}$

куда ${ displaystyle operatorname {E}}$ обозначает ожидаемое значение. ЧАС = 0 именно тогда, когда Икс и Y имеют такое же распространение.

Добродетель

Многомерная мера согласия определяется для распределений в произвольном измерении (не ограниченном размером выборки). Статистика согласия по энергии равна

${ displaystyle Q_ {n} = n left ({ frac {2} {n}} sum _ {i = 1} ^ {n} operatorname {E} | x_ {i} -X | ^ { alpha} - operatorname {E} | X-X ' | ^ { alpha} - { frac {1} {n ^ {2}}} sum _ {i = 1} ^ {n} sum _ {j = 1} ^ {n} | x_ {i} -x_ {j} | ^ { alpha} right),}$

где X и X 'независимы и одинаково распределены согласно гипотетическому распределению, и ${ Displaystyle альфа в (0,2)}$. Единственное необходимое условие - наличие у X конечных ${ displaystyle alpha}$ момент при нулевой гипотезе. При нулевой гипотезе ${ displaystyle operatorname {E} Q_ {n} = operatorname {E} | X-X ' | ^ { alpha}}$, а асимптотическое распределение Q_п является квадратичной формой центрированных гауссовских случайных величин. По альтернативной гипотезе Q_п стремится к бесконечности стохастически и, таким образом, определяет статистически непротиворечивый тест. Для большинства приложений можно применять показатель степени 1 (евклидово расстояние). Важный частный случай тестирования многомерная нормальность^[9] реализуется в энергия пакет для R.Тесты также разработаны для дистрибутивов с тяжелым хвостом, таких как Парето (сила закона), или же стабильные дистрибутивы применением показателей в (0,1).

Приложения

Приложения включают:

• Иерархическая кластеризация (обобщение метода Варда)^[11][12]
• Тестирование многомерной нормальности^[9]
• Проверка многомерной гипотезы о равных распределениях,^[13][14][15]
• Обнаружение точки изменения^[16]
• Многомерная независимость:
  • корреляция расстояний,^[17]
  • Броуновская ковариация.^[18]
• Правила подсчета очков:

Гнейтинг и стропила^[19] применить энергетическое расстояние, чтобы разработать новый и очень общий тип правильного правила оценки для вероятностных прогнозов - оценку энергии.

• Надежная статистика^[20]
• Выбор гена^[21]
• Анализ данных микрочипов^[22]
• Анализ структуры материала^[23]
• Морфометрические и хемометрические данные^[24]

Приложения энергетической статистики реализованы с открытым исходным кодом. энергия упаковка^[25] за р.

Рекомендации