효율적인 이변량 지수조건부 분포 시뮬레이션

초록

본 논문은 Arnold와 Strauss가 제시한 이변량 지수조건부(BEC) 분포에 대해, 제안된 확률밀도함수를 빠르고 정확하게 샘플링할 수 있는 새로운 알고리즘을 개발한다. 제안 방법은 조건부 밀도와 변환 기법을 활용해 거부 샘플링의 효율을 크게 개선하며, 기존 방법 대비 평균 재시도 횟수가 현저히 감소함을 실험적으로 입증한다.

상세 요약

이 논문은 BEC(bivariate exponential conditionals) 분포의 구조적 특성을 면밀히 분석한 뒤, 효율적인 시뮬레이션을 위한 알고리즘을 설계한다. BEC 분포는 두 변수 X와 Y가 각각 지수분포를 따르면서, 조건부 밀도 f_{Y|X}(y|x)와 f_{X|Y}(x|y)가 모두 지수형태인 특수한 형태를 가진다. 이러한 특성은 기존의 일반적인 다변량 샘플링 기법—예를 들어, 메트로폴리스-헤이스팅스(MH)나 일반적인 거부 샘플링—을 적용하면 높은 재시도율과 계산 비용을 초래한다는 점에서 문제점으로 지적된다. 저자는 먼저 BEC 분포의 결합밀도 f(x,y)=C·exp{−αx−βy−γxy} (x>0, y>0) 형태를 재정리하고, 여기서 C는 정규화 상수, α,β,γ>0는 파라미터임을 명시한다. 핵심 아이디어는 γxy 항이 두 변수 사이의 상호작용을 담당한다는 점을 이용해, x를 먼저 샘플링하고 그 후 y를 조건부로 샘플링하는 순차적 절차를 도입하는 것이다. x에 대한 주변밀도는 f_X(x)∝exp{−αx}/(β+γx) 형태가 되며, 이는 역변환이 직접적으로 불가능하지만, 적절한 제안분포(예: 지수분포)와 결합하여 거부 샘플링을 적용하면 효율을 크게 높일 수 있다. 저자는 제안분포를 λ=α+γ·E