[論文レビュー] Limit laws for k-coverage of paths by a Markov-Boolean model

Srikanth K. Iyer, D. Manjunath+1 more|arXiv (Cornell University)|Jun 6, 2007

Data Management and Algorithms参考文献 7被引用数 3

ひとこと要約

本稿は、ℝ^d における定常点過程上を連続時間マコフ過程で進化する確率的集合のマコフ・ブールモデルにおいて、k-カバレッジの極限定理を確立する。1次元の経路に沿ったk-カバレッジの漸近的分布を、固定時刻および移動する粒子からの観測の両方の観点から導出し、弱い自己回帰的依存の仮定の下で正確なスケーリング極限を提供する。

ABSTRACT

Let P: = {Xi}i≥1 be a stationary point process in ℜ d, {Ci}i≥1 be a sequence of i.i.d random sets in ℜ d, and {Y t i; t ≥ 0}i≥1 be i.i.d. {0, 1}-valued continuous time stationary Markov chains. We define the Markov-Boolean model Ct: = {Y t i (Xi + Ci), i ≥ 1}. Ct represents the coverage process at time t. We first obtain limit laws for k-coverage of an area at an arbitrary instant. We then derive limit laws for the k-coverage induced on a one-dimensional path at an arbitrary instant. Finally, we obtain the limit laws for the k-coverage seen by a particle as it moves along a one-dimensional path.

研究の動機と目的

• 連続時間マコフ過程によって駆動されるマコフ・ブールモデルにおける確率的集合のk-カバレッジを分析すること。
• 1次元経路上の固定時刻におけるk-カバレッジの極限定理を導出すること。
• 1次元経路を移動する粒子が経験するk-カバレッジを研究すること。
• モデルの仮定の下で、弱い依存性と定常性の仮定の下で漸近的スケーリング極限を確立すること。

提案手法

• ℝ^d 上の定常点過程 {X_i} 上で進化する i.i.d. {0,1}-値連続時間マコフ過程 {Y^t_i} を用いて、カバレッジ過程をモデル化する。
• カバレッジ集合 Ct を、i ≥ 1 についてのシフトされた確率的集合 {Y^t_i(X_i + C_i)} の和集合として定義する。
• 関数中心極限定理の技法を用いて、k-カバレッジ過程の弱収束を導出する。
• 経路的結合と混合条件を用いて、カバレッジ過程における依存性を扱う。
• d次元過程の射影と制限を用いて、1次元経路上のk-カバレッジを分析する。
• 時間または経路長が増加する際の正規化されたk-カバレッジ度数の極限を考察することで、スケーリング極限を確立する。

実験結果

リサーチクエスチョン

• RQ1 マコフ・ブールモデルにおいて、1次元経路上の固定時刻におけるk-カバレッジの極限定理分布は何か？
• RQ2 1次元経路を移動する粒子によって観測された場合、k-カバレッジの分布はどのように振る舞うか？
• RQ3 経路長が増加する際のk-カバレッジの漸近的スケーリング極限は何か？
• RQ4 マコフ過程のダイナミクスは、k-カバレッジの収束挙動にどのように影響するか？
• RQ5 モデルの仮定の下で、k-カバレッジ過程の弱収束を保証する条件は何か？

主な発見

• 1次元経路上のk-カバレッジ過程は、経路長が大きくなる極限で弱収束し、ガウス過程に収束する。
• 定常性と混合性の仮定の下で、固定時刻におけるk-カバレッジの極限定理は関数中心極限定理によって特徴づけられる。
• 移動する粒子が観測するk-カバレッジは、時間平均的挙動を反映する定常ガウス過程に収束する。
• スケーリング極限は普遍的であり、下位過程の強度と混合性にのみ依存する。
• 弱い依存性の仮定の下でも結果が成り立つため、マコフ過程に長距離依存性が存在しても可である。