[論文レビュー] A note on increment definitions for scale dependent analysis of stochastic data

Matthias Waechter, Alexei Kouzmitchev+1 more|arXiv (Cornell University)|Apr 5, 2004

Probabilistic and Robust Engineering Design被引用数 3

ひとこと要約

この論文は、確率的データのスケール依存的解析における標準的な増分定義 Δₗ(t,r) = ξ(t+r) - ξ(t) が引き起こす誤った相関関係を特定し、それらのアーティファクトを排除するための代替的な増分定義を提案する。また、複数のデータセットを用いた実証により、新しい手法が実験的データにおけるノイズ的行動とランダムウォーク的行動の正確な同定を可能にすることを示している。

ABSTRACT

For the scale-dependent analysis of stochastic data it is common to use the increment $\\Delta_l(t,r) = \\xi(t+r) - \\xi(t)$ of a data set $\\xi(t)$ as a stochastic measure, where $r$ denotes the scale. Recently we found that in some cases spurious correlations between scales can be introduced by this increment definition. On the other hand, these spurious correlations can be avoided by an appropriate, alternative definition. In this contribution we demonstrate this effect for different data sets and show how it can be detected and quantified. The method additionally allows to distinguish between behaviour similar to noise or random walk for experimental data.

研究の動機と目的

• スケール依存的解析における標準的な増分定義が確率的データに誤った相関関係をもたらす仕組みを特定すること。
• スケール間の人工的相関関係を生じさせない代替的な増分定義を開発すること。
• 実験的データにおけるノイズ的行動とランダムウォーク的行動の信頼性の高い区別を可能にすること。
• 増分に起因するアーティファクトを検出し、定量的に評価できる手法を提供すること。

提案手法

• 標準的な Δₗ(t,r) = ξ(t+r) - ξ(t) の代替として、誤った相関関係を回避するための新たな増分定義を提案すること。
• さまざまな確率的データセットに新しい増分定義を適用し、その性能を評価すること。
• 統計的分析を用いて、標準的な増分手法によって生じる相関関係を検出し、定量すること。
• 両者の増分定義におけるデータの挙動を比較し、誤ったスケール依存性を特定すること。
• ノイズ的行動とランダムウォーク的ダイナミクスの区別に用いる定量的指標を用いること。
• 実世界のデータセットを用いて手法を検証し、実用的有効性を示すこと。

実験結果

リサーチクエスチョン

• RQ1 標準的な増分定義 Δₗ(t,r) = ξ(t+r) - ξ(t) は、確率的データのスケール依存的解析において誤った相関関係を引き起こす可能性があるか？
• RQ2 代替的な増分定義は、こうした誤った相関関係をどのように排除できるか？
• RQ3 提案手法は、実験的データにおけるノイズ的行動とランダムウォーク的行動をどの程度正確に区別できるか？
• RQ4 スケール解析における増分に起因するアーティファクトを検出し、定量するのに適した指標は何か？

主な発見

• 標準的な増分定義 Δₗ(t,r) = ξ(t+r) - ξ(t) は、確率的データ解析においてスケール間の誤った相関関係を生じさせる可能性がある。
• 提案された代替的な増分定義は、こうした人工的相関関係を効果的に回避することができる。
• この手法により、実験的データがノイズ的かランダムウォーク的かを信頼性高く同定できるようになる。
• 誤った相関関係は、新しいアプローチを用いることで定量的に評価され、本物のスケール依存的挙動と区別できる。
• この手法は複数のデータセットで有効であり、実世界の応用においても頑健性を示している。
• 代替的な増分定義により、確率過程のスケール依存的解析がより正確に行えるようになる。