分布のパラメータを確率変量とみなして,その(事前)分布を考える ことによって,確率分布の分布というメタな階層構造を作ることができる. そのようにしてできる統計モデルを階層ベイズモデルと呼び, ロバストな推定を行ったり,複雑な対象に適合させるために用いられ, グラフィカルモデルとの関連から盛んに研究されている [74].
さて,混合分布で,要素分布のパラメータは固定し,
重み確率
に着目してみよう.
ベイズ的には,要素分布を規定する確率変量 に対する事前分布が
であるという階層ベイズモデル,
(2.10) |
このような解釈に立つと,混合分布はクラスラベルと確率変量の 2 ノードの 間に 1 本の有向アークがあるベイジアンネットワークの最も単純な場合とみなす ことができる(ただしクラスラベルは観測されないノードである). これにより,混合分布はベイジアンネットワークの性質を調べるた めの基本モデルとしての役割を果たすと考えられる.
よりベイズ的な考え方を進めると,要素分布のパラメータも変数とみて その事前分布をモデル化するという,より複雑な階層ベイズモデルを作ることが できる[71]が,本論文ではそれについては扱わない.