[論文レビュー] Lecture Notes: Temporal Point Processes and the Conditional Intensity Function

Jakob Gulddahl Rasmussen|arXiv (Cornell University)|Jun 1, 2018

Point processes and geometric inequalities参考文献 10被引用数 36

ひとこと要約

本稿では、条件付き強度関数を中心的なモデリングツールとして用いて、時系列点過程の包括的な導入を提示する。尤度に基づく推定、Ogataのスプライシング法のようなシミュレーション手法、およびモデルの適合度チェックのための残差解析を詳細に説明しており、正しいモデルのもとで変換されたイベント時刻は単位レートのポアソン過程に従うべきであることを示している。これにより、地震学、キューイング理論、イベント予測などの応用分野における点過程モデルの堅牢な検証が可能になる。

ABSTRACT

These short lecture notes contain a not too technical introduction to point processes on the time line. The focus lies on defining these processes using the conditional intensity function. Furthermore, likelihood inference, methods of simulation and residual analysis for temporal point processes specified by a conditional intensity function are considered.

研究の動機と目的

• 条件付き強度関数を主なモデリングフレームワークとして用い、技術的でないがきめ細やかな時系列点過程の導入を提供すること。
• イベント時刻が独立でない、例えば地震やサーバーの到着など、複雑で歴史依存のイベント系列をモデル化する課題に対処すること。
• 条件付き強度関数に基づく単一の整合的な枠組みの下で、点過程分析の主要段階（モデリング、推定、シミュレーション、検証）を統合すること。
• モデルが正しい場合に観測されたイベント時刻を単位レートのポアソン過程に変換することで、モデルの適合度を評価できるようにすること。
• 尤度に基づく推定とシミュレーションアルゴリズムを通じて、実装を支援し、予測や要約統計量の近似を可能にすること。

提案手法

• 時刻 t までの履歴を考慮した瞬時のイベント発生レートを指定する条件付き強度関数 λ*(t) を用いて、時系列点過程を定義する。
• 条件付き強度関数から導かれる尤度関数を用いて、モデルパラメータの最尤推定を実行する。
• 逆関数法とOgataの修正スプライシング法の両方を用いてシミュレーションを実装する。両者とも、統合強度を用いて一様乱数を変換することでイベント時刻を生成する。
• 観測されたイベント時刻 ti を si = Λ*(ti) に変換することで残差解析を実施する。正しいモデル仕様のもとでは、si は単位レートのポアソン過程の実現であるべきである。
• 変換されたイベント間隔（si+1 − si）が平均1の指数分布に従うかどうかを統計的診断で検証することで、モデルの適合度をチェックする。
• 閉形式解が得られない場合のモデルチェック、予測、および複雑な要約統計量の近似のために、シミュレーションベースのアプローチを用いる。

実験結果

リサーチクエスチョン

• RQ1 条件付き強度関数を用いて、時間依存のイベントダイナミクスを的確に捉えるために、時系列点過程をどのようにモデリングできるか。
• RQ2 条件付き強度関数は、点過程の尤度に基づく推定とパラメータ推定をどのように可能にするか。
• RQ3 Ogataのスプライシング法のようなシミュレーション技術を、与えられた条件付き強度関数モデルのもとで現実的なイベント系列を生成するためにどのように応用できるか。
• RQ4 時間変換に基づく残差解析は、時系列点過程モデルの誤指定をどのように検出できるか。
• RQ5 シミュレーションと残差解析を併用することで、実世界の応用において点過程モデルをどのように検証・改善できるか。

主な発見

• 点過程が条件付き強度関数 λ*(t) によって正しく指定されている場合、変換されたイベント時刻 si = Λ*(ti) は単位レートのポアソン過程の実現となる。これにより、形式的なモデル適合度の検証が可能になる。
• この変換に基づく残差解析により、モデルが捉えきれていない不自然な大きなイベントギャップなどのモデルの不適切さを検出できる。
• 時系列点過程の尤度関数は、イベント間隔の条件付き密度の積として表現でき、これにより条件付き強度フレームワークのもとで最尤推定が可能になる。
• 点過程のシミュレーションは、典型的なパターンの生成、将来のイベント予測、時間間隔内の期待イベント数のような複雑な要約統計量の近似において、実行可能で有用である。
• Ogataのスプライシング法と逆関数法は、マーク付き・マークなしの両方の時系列点過程を効率的かつ正確にシミュレートするための手法であり、各イベントにマークを含める拡張も可能である。
• 推定に用いた関数（例えば条件付き強度）に基づいたモデルチェックは避けるべきである。代わりに、過剰適合バイアスを避けるために、代替の要約統計量や診断統計量を用いるべきである。