von Mises分布(von Mises distribution)とは、円周上の角度 $\theta$ の分布で、平均の向き $\mu$ と集中度 $\kappa\ge0$ について密度が $e^{\kappa\cos(\theta-\mu)}/(2\pi I_0(\kappa))$ で与えられるもの($I_0$ は変形 Bessel 関数)であり、円周上の正規分布の類似である。$\kappa=0$ で一様分布、$\kappa\to\infty$ で $N(\mu,1/\kappa)$ に近づき、1 次の三角積率を固定した円周上の密度の中でエントロピーを最大にする。平均合成長 $\bar R$ が $0$ と $1$ の間なら最尤推定量はただ 1 つあり、平均の向きは単位円上の点の平均の向き、集中度は $I_1/I_0$ の逆関数で $\bar R$ から定まる。
風向き、1 日の中の時刻、動物の移動の向きのように、角度で測る量がある。角度は $0$ と $2\pi$ が同じ点を表すので、原点の選び方によって算術平均が大きく変わってしまう。たとえば $1^\circ$ と $359^\circ$ の算術平均は $180^\circ$ だが、原点を $180^\circ$ に移して測り直すと平均は $0^\circ$ になる(Bis06 p. 105)。このような量に使う、円周上の正規分布の類似が von Mises 分布 である。
この記事では、定義と正規化定数、三角積率、平均の向きと集中度、集中度が大きいときの正規分布への近づき方、円周上の最大エントロピーによる特徴づけ、最尤推定の存在と一意性を証明し、球面への一般化(von Mises–Fisher 分布)に触れる。記法は 正規分布 と 最尤推定 にそろえる。
角度 $\theta$ は円周 $\mathbb T:=\mathbb R/2\pi\mathbb Z$ の点とし、必要に応じて区間 $[-\pi,\pi)$ の代表で表す。$\mathbb T$ 上の密度は、$\int_{-\pi}^{\pi}f(\theta)\,d\theta=1$ を満たす周期 $2\pi$ の非負関数である。整数 $p\ge0$ と $\kappa\ge0$ について
$$
I_p(\kappa):=\frac1{2\pi}\int_{-\pi}^{\pi}e^{\kappa\cos\theta}\cos p\theta\,d\theta
$$
とおく(prop-vm-bessel により第 1 種の変形 Bessel関数 に一致する)。
$\mu\in\mathbb T$、$\kappa\ge0$ とする。$\mathbb T$ 上の密度
$$
f(\theta;\mu,\kappa)=\frac{1}{2\pi I_0(\kappa)}\exp\bigl(\kappa\cos(\theta-\mu)\bigr)
$$
をもつ分布を von Mises 分布 $\mathrm{VM}(\mu,\kappa)$ という。$\mu$ を 平均の向き、$\kappa$ を 集中度 という。
$\kappa=0$ なら一様分布である。$\kappa>0$ なら密度は $\theta=\mu$ で最大、$\theta=\mu+\pi$ で最小になり、$\mu$ について対称な山を 1 つもつ。この分布は 円周正規分布(circular normal distribution)ともよばれる(Bis06 p. 108)。使える条件は次のとおりである。
円周上の確率変数 $\theta$ について、複素数 $E[e^{i\theta}]=E[\cos\theta]+iE[\sin\theta]$ を 1 次の三角積率 という。これを $\rho e^{i\mu_0}$($\rho\ge0$)と極形式で書き、$\rho$ を 平均合成長、$\rho>0$ のとき $\mu_0$ を 平均の向き という。$\theta$ を $\theta+\alpha$ にずらすと $E[e^{i\theta}]$ は $e^{i\alpha}$ 倍になるので、平均の向きは原点の選び方に応じて正しくずれ、$\rho$ は変わらない。$1-\rho$ を 円周分散 という。標本 $\theta_1,\dots,\theta_n$ では
$$
\bar C:=\frac1n\sum_j\cos\theta_j,\qquad \bar S:=\frac1n\sum_j\sin\theta_j,\qquad \bar R:=\sqrt{\bar C^2+\bar S^2}
$$
とおき、$\bar R>0$ なら $\bar C+i\bar S=\bar Re^{i\bar\theta}$ で標本の平均の向き $\bar\theta$ を定める(Bis06 p. 106)。これは角度を単位円上の点とみなして平均をとり、その向きを読むことである。
$e^{\kappa\cos\theta}=\sum_n\kappa^n\cos^n\theta/n!$ は $\theta$ について一様に収束するので項別に積分できる。$\cos^n\theta=2^{-n}\sum_{j=0}^n\binom nje^{i(n-2j)\theta}$ で、$\frac1{2\pi}\int_{-\pi}^{\pi}e^{im\theta}\cos p\theta\,d\theta$ は $m=\pm p$ のとき($p\ge1$ なら各 $\frac12$、$p=0$ なら $1$)以外は $0$ である。$n-2j=\pm p$ となる $j$ は $n-p$ が非負の偶数のときに限り、二項係数は $\binom n{(n-p)/2}$ で共通なので、$n=p+2k$ のとき $\frac1{2\pi}\int_{-\pi}^{\pi}\cos^n\theta\cos p\theta\,d\theta=2^{-n}\binom{n}{(n-p)/2}$ である。$\frac{\kappa^n}{n!}2^{-n}\frac{n!}{k!(k+p)!}=\frac{(\kappa/2)^{2k+p}}{k!(k+p)!}$ から級数を得る。収束半径は無限大なので項別に微分でき、$I_0'(\kappa)=\sum_{k\ge1}\frac{2k(\kappa/2)^{2k-1}}{2(k!)^2}=\sum_{k\ge0}\frac{(\kappa/2)^{2k+1}}{k!(k+1)!}=I_1(\kappa)$ である。
$\theta\sim\mathrm{VM}(\mu,\kappa)$、$A(\kappa)=I_1(\kappa)/I_0(\kappa)$ とする。
| 量 | 式 | 使える条件 | 根拠 |
|---|---|---|---|
| 正規化定数 | $2\pi I_0(\kappa)$、$I_0(\kappa)=\sum_k\frac{(\kappa/2)^{2k}}{(k!)^2}$ | — | prop-vm-bessel |
| $p$ 次の三角積率 | $E[e^{ip\theta}]=\frac{I_p(\kappa)}{I_0(\kappa)}e^{ip\mu}$ | 整数 $p\ge1$ | prop-vm-bessel |
| 平均合成長・円周分散 | $A(\kappa)$、$1-A(\kappa)$ | — | prop-vm-bessel |
| $A$ の性質 | $A=(\log I_0)'$、$A'=\mathrm{Var}(\cos(\theta-\mu))>0$、$A(0)=0$、$A(\infty)=1$ | — | thm-vm-resultant |
| 集中度が大きいとき | $\sqrt\kappa(\theta-\mu)\to N(0,1)$、$I_0(\kappa)\sim e^\kappa/\sqrt{2\pi\kappa}$ | $\kappa\to\infty$ | thm-vm-normal |
| 最大エントロピー | 1 次の三角積率を固定した密度の中でエントロピーが最大 | 平均合成長 $< 1$ | thm-vm-maxent |
| 最尤推定量 | $\hat\mu=\bar\theta$、$\hat\kappa=A^{-1}(\bar R)$ | $0< \bar R< 1$ | thm-vm-mle |
| 正規分布の条件付け | 2 次元正規分布 $N(r_0e^{i\mu},\sigma^2I)$ を半径 $r$ の円に制限すると $\mathrm{VM}(\mu,rr_0/\sigma^2)$ | 共分散が $\sigma^2I$ | prop-vm-gauss |
| 球面版($\mathbb R^3$) | 密度 $\frac{\kappa}{4\pi\sinh\kappa}e^{\kappa\,\mu\cdot x}$、$E[\mu\cdot x]=\coth\kappa-\frac1\kappa$ | $\kappa>0$ | prop-vm-fisher |
$\theta\sim\mathrm{VM}(\mu,\kappa)$ とし、$\theta-\mu$ を $[-\pi,\pi)$ の代表で表して $\phi_\kappa:=\sqrt\kappa(\theta-\mu)$ とおく。$\kappa\to\infty$ のとき
$h_\kappa(\phi):=\exp\bigl(-\kappa(1-\cos(\phi/\sqrt\kappa))\bigr)1_{\{\lvert\phi\rvert< \pi\sqrt\kappa\}}$ とおく。$\phi_\kappa$ の密度は $g_\kappa:=h_\kappa/Z_\kappa$、$Z_\kappa:=\int h_\kappa$ である。
各点の収束と優関数。 $\cos u=1-\frac{u^2}2+O(u^4)$ から、各 $\phi$ で $h_\kappa(\phi)\to e^{-\phi^2/2}$ である。$\lvert u\rvert\le\pi$ では $\lvert\sin(u/2)\rvert\ge\lvert u\rvert/\pi$($\sin$ の $[0,\pi/2]$ での凹性)なので $1-\cos u=2\sin^2(u/2)\ge2u^2/\pi^2$ であり、$u=\phi/\sqrt\kappa$ として $h_\kappa(\phi)\le e^{-2\phi^2/\pi^2}$ を得る。右辺は $\phi^2$ を掛けても可積分である。
1。 優収束定理 により $Z_\kappa\to\int e^{-\phi^2/2}d\phi=\sqrt{2\pi}$ である。$\theta-\mu=\phi/\sqrt\kappa$ と置換すると $2\pi I_0(\kappa)=\int_{-\pi}^{\pi}e^{\kappa\cos u}du=\frac{e^\kappa}{\sqrt\kappa}Z_\kappa$ なので、$\sqrt{2\pi\kappa}e^{-\kappa}I_0(\kappa)=Z_\kappa/\sqrt{2\pi}\to1$ である。
2。 $g_\kappa\to\varphi$ が各点で成り立つ。$\int\lvert g_\kappa-\varphi\rvert=2\int(\varphi-g_\kappa)^+$(両方とも全積分が $1$)で、$(\varphi-g_\kappa)^+\le\varphi$ なので、優収束定理により $0$ に収束する。
3。 $\phi^2g_\kappa\le\phi^2e^{-2\phi^2/\pi^2}/Z_\kappa$ で $Z_\kappa$ は正の値に収束するので、優収束定理により $E[\phi_\kappa^2]\to\int\phi^2\varphi=1$ である。$1-\cos u\le u^2/2$ から不等式を得る。$\kappa\to0$ については、$\lvert e^{\kappa\cos\theta}-1\rvert\le e^\kappa-1$ と $I_0(\kappa)\to1$ による。$\square$
2 から、$\kappa$ が大きいとき $\mathrm{VM}(\mu,\kappa)$ はおよそ $N(\mu,1/\kappa)$ で、集中度 $\kappa$ は正規分布の分散の逆数(精度)の役割を果たす(Bis06 p. 108)。$\kappa$ が小さいときはこの対応は成り立たず、分布は一様分布に近い。
$A(\kappa)=I_1(\kappa)/I_0(\kappa)$ について次が成り立つ。
1 は prop-vm-bessel の $I_0'=I_1$ による。2:積分記号の下で微分して(被積分関数とその $\kappa$ 微分は有界な範囲の $\kappa$ で一様に有界)
$$
\frac{d^2}{d\kappa^2}\log I_0=\frac{I_0''}{I_0}-\Bigl(\frac{I_0'}{I_0}\Bigr)^2,\qquad \frac{I_0''(\kappa)}{I_0(\kappa)}=\frac{\int\cos^2u\,e^{\kappa\cos u}du}{\int e^{\kappa\cos u}du}=E[\cos^2(\theta-\mu)]
$$
で、$I_0'/I_0=E[\cos(\theta-\mu)]$ なので、$A'$ は $\cos(\theta-\mu)$ の分散である。密度はいたるところ正なので $\cos(\theta-\mu)$ は定数でなく、分散は正である。3:$A(0)=I_1(0)/I_0(0)=0$ は prop-vm-bessel の 1 による。極限は thm-vm-normal の 3 による。連続性と狭義増加から全単射である。$\square$
$A$ は 指数型分布族 の対数分配関数の導関数で、2 はその 2 階導関数が十分統計量の分散になるという一般の事実の具体形である。$\theta$ の密度は
$$
f(\theta)=\frac1{2\pi}\exp\bigl(\eta_1\cos\theta+\eta_2\sin\theta-\log I_0(\lvert\eta\rvert)\bigr),\qquad \eta=\kappa(\cos\mu,\sin\mu)
$$
と書けるので、十分統計量 $(\cos\theta,\sin\theta)$ と自然母数 $\eta\in\mathbb R^2$ をもつ指数型分布族である。
$\mathbb T$ 上の密度 $g$ の(微分)エントロピー を $h(g):=-\int_{-\pi}^{\pi}g\log g\,d\theta$ とする($0\log0=0$。値は $-\infty$ でもよい)。
$m\in\mathbb C$、$\lvert m\rvert< 1$ とし、$\mathcal G_m$ を $\int g(\theta)e^{i\theta}d\theta=m$ を満たす $\mathbb T$ 上の密度 $g$ の全体とする。$\kappa:=A^{-1}(\lvert m\rvert)$、$\mu:=\arg m$($m=0$ なら任意)とおくと、$f=f(\cdot;\mu,\kappa)$ は $\mathcal G_m$ に属し、すべての $g\in\mathcal G_m$ について $h(g)\le h(f)$ である。等号は $g=f$(ほとんどいたるところ)のときに限る。
thm-vm-resultant により $\kappa$ が定まり、prop-vm-bessel の 2 から $f$ の 1 次の三角積率は $A(\kappa)e^{i\mu}=m$ なので $f\in\mathcal G_m$ である。$\log f(\theta)=-\log(2\pi I_0(\kappa))+\kappa\cos(\theta-\mu)$ で、$\cos(\theta-\mu)=\mathrm{Re}(e^{i\theta}e^{-i\mu})$ だから、$g\in\mathcal G_m$ なら
$$
\int g\log f\,d\theta=-\log(2\pi I_0(\kappa))+\kappa\,\mathrm{Re}(me^{-i\mu})=-\log(2\pi I_0(\kappa))+\kappa\lvert m\rvert
$$
で、$g$ によらない。$g=f$ とおけば右辺は $-h(f)$ に等しい。よって
$$
h(g)=-\int g\log f\,d\theta-\int g\log\frac gf\,d\theta=h(f)-D(g\Vert f)
$$
である($h(g)=-\infty$ の場合も含む)。Kullback–Leibler情報量 $D(g\Vert f)$ は非負で、$0$ になるのは $g=f$ がほとんどいたるところ成り立つときに限るので、主張を得る。$\square$
$m=0$ の場合は $\kappa=0$ で、一様分布がエントロピー最大になる。実数直線上で平均と分散を固定したときの最大エントロピーの分布が正規分布であることの、円周上の類似である。
$\theta_1,\dots,\theta_n$ を $\mathrm{VM}(\mu,\kappa)$ からの独立な標本とし、$\bar R$ と $\bar\theta$ を上のとおりとする。
$\bar R>0$ なら $\sum_j\cos(\theta_j-\mu)=n\,\mathrm{Re}(\bar Re^{i\bar\theta}e^{-i\mu})=n\bar R\cos(\bar\theta-\mu)$ である($\bar R=0$ ならこの和は $0$)。よって対数尤度は
$$
\ell(\mu,\kappa)=n\bigl(\kappa\bar R\cos(\bar\theta-\mu)-\log I_0(\kappa)-\log2\pi\bigr)
$$
である。$\kappa>0$ を固定すると $\mu=\bar\theta$ のときに限り最大で、値は $n\,q(\kappa)$、$q(\kappa):=\kappa\bar R-\log I_0(\kappa)-\log2\pi$ である。$\kappa=0$ では $\ell$ は $\mu$ によらず $n\,q(0)$ である。thm-vm-resultant から $q'(\kappa)=\bar R-A(\kappa)$ は狭義減少である。
$\hat\mu$ と $\hat\kappa$ を決める式($\sum_j\sin(\theta_j-\hat\mu)=0$ と $A(\hat\kappa)=\frac1n\sum_j\cos(\theta_j-\hat\mu)$)は Bis06 pp. 108–109 にある。$A^{-1}$ は初等関数で書けないので、数値的に解く。$\bar R$ が $1$ に近いと $\hat\kappa$ は大きい。$\frac{u^2}2-\frac{u^4}{24}\le1-\cos u\le\frac{u^2}2$ と、thm-vm-normal の証明と同じ優関数による $E[\phi_\kappa^2]\to1$、$E[\phi_\kappa^4]\to3$ から $\kappa(1-A(\kappa))\to\frac12$ なので、$\hat\kappa\approx\frac1{2(1-\bar R)}$ が目安になる(精度は下の例題)。
$(X_1,X_2)$ が平均 $(r_0\cos\mu,r_0\sin\mu)$($r_0\ge0$)、共分散 $\sigma^2I_2$ の 2 次元 正規分布 に従うとし、極座標 $X_1+iX_2=Re^{i\Theta}$ で表す。$R=r>0$ を与えたもとでの $\Theta$ の条件付き分布は $\mathrm{VM}(\mu,rr_0/\sigma^2)$ である。
極座標の変換の Jacobi 行列式は $r$ なので、$(R,\Theta)$ の同時密度は $\frac{r}{2\pi\sigma^2}\exp\bigl(-\frac{r^2+r_0^2-2rr_0\cos(\theta-\mu)}{2\sigma^2}\bigr)$ である。$r$ を固定すると $\theta$ についての因子は $\exp\bigl(\frac{rr_0}{\sigma^2}\cos(\theta-\mu)\bigr)$ だけで、正規化すれば $\mathrm{VM}(\mu,rr_0/\sigma^2)$ の密度である。$\square$
$r=1$ の場合が Bis06 pp. 107–108 の導出である。共分散が $\sigma^2I_2$ でないと、条件付き分布は von Mises 分布にならない(反例の表の 3 行目)。
$S^2\subset\mathbb R^3$ を単位球面、$d\sigma$ をその面積要素、$\mu\in S^2$、$\kappa>0$ とする。
$$
\int_{S^2}e^{\kappa\,\mu\cdot x}\,d\sigma(x)=\frac{4\pi\sinh\kappa}{\kappa}
$$
であり、密度 $\frac{\kappa}{4\pi\sinh\kappa}e^{\kappa\,\mu\cdot x}$ に従う $x$ について $E[\mu\cdot x]=\coth\kappa-\frac1\kappa$ である。
回転で $\mu=(0,0,1)$ としてよい。球面座標 $x=(\sin\varphi\cos\psi,\sin\varphi\sin\psi,\cos\varphi)$ で $d\sigma=\sin\varphi\,d\varphi\,d\psi$ であり、$t=\cos\varphi$ と置換すると $\int_{S^2}e^{\kappa x_3}d\sigma=2\pi\int_{-1}^1e^{\kappa t}dt=\frac{2\pi(e^\kappa-e^{-\kappa})}{\kappa}$ である。$E[x_3]$ は正規化定数の対数の $\kappa$ 微分で、$\frac{d}{d\kappa}\log\frac{\sinh\kappa}\kappa=\coth\kappa-\frac1\kappa$ である。$\square$
この分布を Fisher 分布(Fis53)または von Mises–Fisher 分布 という。一般の $S^{q-1}\subset\mathbb R^q$ でも密度 $e^{\kappa\,\mu\cdot x}$ に比例する分布が同じように定義され、$q=2$ がこの記事の von Mises 分布である。
角度のデータ $\theta_1,\dots,\theta_n$ に von Mises 分布を当てはめる手順は次のとおり。
風向き $350^\circ,\ 10^\circ,\ 20^\circ,\ 340^\circ,\ 5^\circ,\ 15^\circ$ の平均の向き、平均合成長、集中度の最尤推定値を求め、算術平均と比べよ。
使う公式:節「円周上の平均と三角積率」、thm-vm-mle。
答え:$\bar C\approx0.968520$、$\bar S\approx0.0576625$、$\bar R\approx0.970235$、$\bar\theta\approx3.41^\circ$、$\hat\kappa\approx17.06$(目安の $1/(2(1-\bar R))\approx16.80$)。算術平均は $123.3^\circ$ で、北寄りの風を南東向きと読み誤る。$1^\circ$ と $359^\circ$ の 2 点なら $\bar\theta=0^\circ$、$\bar R=\cos1^\circ\approx0.999848$ である。
$\theta\sim\mathrm{VM}(0,\kappa)$ について、$P(\lvert\theta\rvert\le\pi/4)$ を、$\kappa=2$ と $\kappa=10$ で、正規近似 $N(0,1/\kappa)$ の値と比べよ。
使う公式:def-vm-main、thm-vm-normal。
答え:$\kappa=2$ では $A(2)\approx0.697775$、$P\approx0.673845$ に対し正規近似は $0.733311$ で、差が大きい。$\kappa=10$ では $P\approx0.982957$ に対し正規近似は $0.986996$ である。
$\kappa=1.5$ の von Mises 分布と、1 次の三角積率が等しい巻き込み正規分布($N(0,s^2)$ を $2\pi$ ごとに巻き込んだもの、$e^{-s^2/2}=A(1.5)$)のエントロピーを比べよ。
使う公式:thm-vm-maxent。
答え:von Mises 分布は $h=\log(2\pi I_0(1.5))-1.5A(1.5)\approx1.44246$、巻き込み正規分布は $h\approx1.43018$ で、thm-vm-maxent のとおり von Mises 分布のほうが大きい。
各行は、対応する主張の条件を 1 つだけ外したものである。
| 外す条件 | 反例 | 成り立たなくなること |
|---|---|---|
| thm-vm-mle の 1 の $\bar R< 1$ | すべての観測が等しい($\theta_1=\dots=\theta_n$) | 最尤推定量が存在しない |
| thm-vm-maxent の $\lvert m\rvert< 1$ | $m=1$ | $\mathcal G_m$ は空で($\theta=0$ に集中した分布だけが条件を満たし、密度をもたない)、最大値をとる密度がない |
| prop-vm-gauss の共分散が $\sigma^2I_2$ | 平均 $0$、共分散 $\mathrm{diag}(1,\frac12)$ を単位円に制限する | 条件付き密度は $e^{\frac14\cos2\theta}$ に比例し、$\theta=0,\pi$ に山が 2 つあって von Mises 分布でない |
| thm-vm-maxent で固定するのが 1 次の三角積率であること | 2 次の三角積率 $E[e^{2i\theta}]$ を固定する | 最大エントロピーの密度は $e^{\kappa\cos2(\theta-\mu)}$ に比例し、山が 2 つで von Mises 分布でない |
1 行目は thm-vm-mle の 3 である。
2 行目:$\mathrm{Re}\int g(\theta)(1-e^{i\theta})\,d\theta=\int g(\theta)(1-\cos\theta)\,d\theta=0$ で、$1-\cos\theta>0$($\theta\ne0$)なので、$g$ は $\theta\ne0$ でほとんどいたるところ $0$ になり、全積分が $1$ になれない。
3 行目:$(\cos\theta,\sin\theta)$ での密度は $\exp\bigl(-\frac12(\cos^2\theta+2\sin^2\theta)\bigr)=e^{-3/4}e^{\frac14\cos2\theta}$。von Mises 分布は $\kappa>0$ なら山が 1 つ、$\kappa=0$ なら一様なので一致しない。
4 行目:prf-vm-maxent と同じ議論を $(\cos2\theta,\sin2\theta)$ で行えばよい。$\cos2(\theta-\mu)$ は $\theta=\mu$ と $\mu+\pi$ で等しく最大になる。
| 誤り | 正しくは | なぜ |
|---|---|---|
| 角度の算術平均を平均の向きとする | 単位円上の点の平均の向き $\bar\theta$ を使う | 原点の選び方で算術平均が変わる(ex-vm-wind) |
| $\bar R$ をそのまま集中度とする | $\hat\kappa=A^{-1}(\bar R)$ | thm-vm-resultant、thm-vm-mle |
| $\kappa$ が小さいときも $N(\mu,1/\kappa)$ で近似する | 正規近似は $\kappa$ が大きいときだけ | thm-vm-normal、ex-vm-normal |
| 向きのない量($\theta$ と $\theta+\pi$ が同じ)にそのまま当てはめる | 角度を 2 倍してから当てはめる | 2 方向に分かれたデータでは $\bar R\approx0$ となり $\hat\kappa\approx0$ になる |
| 観測がすべて等しいときも最尤推定値を報告する | 最尤推定量は存在しない | thm-vm-mle の 3 |
名前。 名は R. von Mises による。Bernstein–von Misesの定理・Cramér–von Mises検定 は同じ名を冠した別の結果で、この分布とは関係しない。巻き込み正規分布との違い。 実数直線上の 正規分布 $N(\mu,s^2)$ に従う $X$ を円周に巻き込んだ分布は、$E[e^{ipX}]=e^{ip\mu-p^2s^2/2}$ から $p$ 次の三角積率が $e^{-p^2s^2/2}e^{ip\mu}$ である。von Mises 分布とは一般に異なる(ex-vm-entropy では 1 次の三角積率が等しいのにエントロピーが異なる)。混合と回帰。 山が 1 つしかないので、山が複数のデータには von Mises 分布の混合を使う(Bis06 p. 110)。球面。 地磁気の向きなど 3 次元の向きのデータには prop-vm-fisher の Fisher 分布を使う。
Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する