[論文レビュー] Some Spatial Point Processes of Poisson Family

Pradeep Vishwakarma|arXiv (Cornell University)|Jan 23, 2026

Point processes and geometric inequalities被引用数 0

ひとこと要約

要約: 論文は一般化ポアソン乱field（GPRF）とその分数変種、薄め（thinning）、空間Skellam型過程、正象限上の分数GPRFを導入する。

ABSTRACT

Spatial Poisson point processes on finite-dimensional Euclidean space provide fundamental mathematical tools for modeling random spatial point patterns. In this paper, we introduce and analyze several Poisson-type spatial point processes. In particular, we propose and study a point process, namely, the generalized Poisson random field (GPRF), in which more than one point can be observed with positive probability, within a rectangular region having infinitesimal Lebesgue measure. A thinning of the GPRF into independent GPRFs with reduced rate parameters is discussed. Furthermore, we consider these processes indexed by the positive quadrant of the plane and analyze their fractional variants. Various distributional properties of these processes and related governing differential equations are obtained. Later, we define and analyze a spatial Skellam-type point process via GPRF. Moreover, a fractional variant of it in the two parameter case is studied in detail.

研究の動機と目的

• 無限小領域内で複数点を許すポアソン型空間点過程の動機付けと定式化。
• 一般化ポアソン乱field（GPRF）とその構造表現を導入・分析。
• GPRFの薄めを独立成分へと分解することとその含意を検討。
• 二パラメータの空間設定へ拡張し、逆サブオーダナとCaputo微分を用いた分数変種を開発。
• GPRFから構築された空間Skellam型過程を定義・分析し、その分数変種を探究。

提案手法

• 分布 Pr{M(A)=n} = sum_{Theta(k,n)} prod_{j=1}^k ((λ_j|A|)^n_j / n_j!) e^{-λ_j|A|} を用いて M(A) を定義。
• M(A) が独立なPRFの加重和と等しい分布をもつことを示し、複合ポアソン表現を得る。
• pgf G(z,A) = E[z^{M(A)}] = exp(sum_{j=1}^k λ_j|A|(z^j-1)) および関連モーメント (E[M(A)], Var[M(A)], Cov(M(A),M(B))) を導出。
• R^2_+ 上の二パラメータGPRFを長方形の増分で展開し、微小分布(式(2.2))と平均・共分散構造を提供。
• 独立な逆安定遅延(subordinator)による時間変換により分数GPRF FGPRF を定義し、generalized Wright function (2.2) を介して p^{α,β}(n,s,t) および関連性質を導出。

実験結果

リサーチクエスチョン

• RQ1 GPRF を構成し得る空間計数過程をどのように作成し、その基本的な分布特性は何か。
• RQ2 GPRF の薄めは構造にどのような影響を与え、薄め過程を独立したGPRFでレートを減じた形として表現できるか。
• RQ3 R^2_+ 上のGPRF の支配方程式・分布特性（pgf、モーメント）は何か。
• RQ4 逆サブオーダナとCaputo微分を用いてGPRF の分数変種をどのように定義・分析するか。
• RQ5 GPRF を介した空間Skellam型過程を定義し、その分数変種をどのように研究するか。

主な発見

• 一般化ポアソン乱field (GPRF) M(A) の質量関数は Pr{M(A)=n} = sum_{Theta(k,n)} prod_{j=1}^k ((λ_j|A|)^{n_j}/n_j!) e^{-λ_j|A|}。
• pgf は G(z,A)=exp(sum_{j=1}^k λ_j|A|(z^j-1)); 平均と分散は E[M(A)]=sum_{j=1}^k j λ_j|A| および Var[M(A)]=sum_{j=1}^k j^2 λ_j|A|、共分散 Cov(M(A),M(B))=sum_{j=1}^k j^2 λ_j|A∩B|。
• R^2_+ 上では M(s,t) は長方形の増分をもつ二パラメータ Lévy 過程であり、微小分布は Theta(k,n) 形式と対応する平均・分散構造をもち、pgf は G(z,s,t)=exp(sum_{j=1}^k λ_j st (z^j-1))。
• 分数変種 FGPRF M^{α,β}(s,t) は独立な逆安定サブオーダナによって定義され，状態確率 p^{α,β}(n,s,t) は Θ(k,n) の総和として、一般化 Wright 関数 {}_2Ψ_2 およびパラメータ (α,β) を用いて与えられる。
• 薄めは GPRF および二パラメータ PRF に対して拡張され、独立成分へとレートを減じた形で表現される；薄められた和はポアソン型の独立性を保持。
• 空間 Skellam 型過程は S(A)=sum_{i∈I} i M_i(A) の形で独立なGPRF から構築され、有限次元分布と分数変種を分析。