文献

J-GLOBAL ID：201702228093202748   整理番号：17A1120729

Poisson分布から誘導したカウントデータのための多変量分布のレビュー【Powered by NICT】

A review of multivariate distributions for count data derived from the Poisson distribution

著者 (5件)： Inouye David I. (Department of Computer Science, The University of Texas at Austin, Austin, TX, USA) ,  Yang Eunho (School of Computing, Korea Advanced Institute of Science and Technology, Daejeon, Republic of Korea) ,  Allen Genevera I. (Department of Statistics, Rice University, Houston, TX, USA) ,  Allen Genevera I. (Department of Pediatrics-Neurology, Baylor College of Medicine, Houston, TX, USA) ,  Ravikumar Pradeep (School of Computer Science, Carnegie Mellon University, Pittsburgh, PA, USA)
資料名： Wiley Interdisciplinary Reviews: Computational Statistics  (Wiley Interdisciplinary Reviews: Computational Statistics)
巻： 9  号： 3  ページ： null  発行年： 2017年 
JST資料番号： W2767A  ISSN： 1939-5108  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Poisson分布は広く研究され,使用されたモデリング単変量数値データされてきた。しかし,依存性を可能にするPoisson分布の多変量一般化はそれほど普及している。しかし,単語数,ゲノミクス,および犯罪統計で見出された実世界,高次元,カウント値データ,例えば,は豊富な依存性を示し,このデータを適切にモデル化できる多変量分布の必要性の動機づけを行った。単変量Poissonから誘導された多変量分布をレビューし,これらのモデルを分類する三つの主なクラスに(1)限界分布はPoisson,(2)結合分布は独立した多変量Poisson分布の混合物である,および(3)ノード条件付き分布はPoissonから導出した。はこれらのクラスの複数のインスタンスの開発を議論し,解釈可能性と理論の観点からモデルを比較した。,異なるドメインのデータ特性,すなわち交通事故データ,生物学的次世代シークエンシングデータ,テキストデータを持つことを三種の実世界データセット上で各クラスからの複数のモデルを実験的に比較した。これらの経験的実験は,Poissonから誘導された多変量分布の各クラスの比較長所・短所についての直感を開発した。最後に,その後の論考セクションで探索した様に新しい研究方向を示唆した。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 単語 ,  動機づけ ,  *Poisson分布 ,  犯罪 ,  交通事故 ,  モデリング ,  高次元
準シソーラス用語： 次世代シークエンシング ,  判断能力 ,  ゲノミクス ,  *多変量 , 【Automatic Indexing@JST】

著者キーワード (5件)： Poisson ,  多変量 ,  グラフィカルモデル ,  コピュラ ,  高次元

分類 (1件)： システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (6件)： Poisson分布 ,  誘導 ,  カウント ,  多変量 ,  分布 ,  レビュー