[논문 리뷰] A new method for the robust characterisation of pairwise statistical dependency between point processes

Antoine Messager, Nicos Georgiou외 1명|arXiv (Cornell University)|2019. 04. 09.

Functional Brain Connectivity Studies참고 문헌 37인용 수 3

한 줄 요약

이 논문은 독립성 하에서 일치 사건 수의 기대값과 표준편차를 분석적으로 유도함으로써, 점과정 간의 이변량 통계적 의존성을 탐지하기 위한 강력한 Z-스코어 방법을 제안한다. 이 방법은 누적적이고 지연 시간에 따라 달라지는 통계량을 사용하여 정규분포로 수렴하며, 희소하거나 짧은 지속시간의 데이터에서도 전통적인 상관계수 및 응용도 방법보다 뛰어난 성능을 보인다.

ABSTRACT

The robust detection of statistical dependencies between the components of a complex system is a key step in gaining a network-based understanding of the system. Because of their simplicity and low computation cost, pairwise statistics are commonly used in a variety of fields. Those approaches, however, typically suffer from one or more limitations such as lack of confidence intervals requiring reliance on surrogate data, sensitivity to binning, sparsity of the signals, or short duration of the records. In this paper we develop a method for assessing pairwise dependencies in point processes that overcomes these challenges. Given two point processes $X$ and $Y$ each emitting a given number of events $m$ and $n$ in a fixed period of time $T$, we derive exact analytical expressions for the expected value and standard deviation of the number of pairs events $X_i,Y_j$ separated by a delay of less than $τ$ one should expect to observe if $X$ and $Y$ were i.i.d. uniform random variables. We prove that this statistic is normally distributed in the limit of large $T$, which enables the definition of a Z-score characterising the likelihood of the observed number of coincident events happening by chance. We numerically confirm the analytical results and show that the property of normality is robust in a wide range of experimental conditions. We then experimentally demonstrate the predictive power of the method using a noisy version of the common shock model. Our results show that our approach has excellent behaviour even in scenarios with low event density and/or when the recordings are short.

연구 동기 및 목표

• 기존의 이변량 의존성 탐지 방법의 한계, 즉 바이닝 의존성, 신뢰구간 부재, 짧거나 희소한 기록에 대한 민감성 문제를 해결하기 위해.
• 서로보조 데이터나 주파수 도메인 가정에 의존하지 않고, 점과정 간의 기능적 연결성 평가를 위한 통계적으로 엄밀한 방법을 개발하기 위해.
• 독립성 하에서 일치 사건 수의 정확한 기대값과 표준편차를 분석적으로 유도한 Z-스코어를 제공하기 위해.
• 낮은 사건 밀도나 비정상 과정을 포함한 다양한 실험 조건에서도 강력성을 확보하기 위해.
• 전통적 방법이 데이터 희소성이나 짧은 지속시간으로 인해 실패할 경우에도 통계적 의존성에 대한 신뢰할 수 있는 추론을 가능하게 하기 위해.

제안 방법

• 이 방법은 두 점과정 간에 시간 지연 τ 이내로 분리된 사건 쌍의 수를 계산하며, 독립성을 가정한다.
• 영가설인 독립적이고 균일분포를 따르는 점과정 하에서 이 수의 정확한 분석적 표현식(기대값 및 표준편차)을 유도한다.
• 중앙극한정리가 증명되어, T가 증가함에 따라 통계량이 알려진 파rameter를 가진 정규분포로 수렴함을 보인다.
• 결과적으로 유도된 Z-스코어는 실제로 관측된 일치 사건 수가 우연히 발생할 가능성을 정량화한다.
• 이 방법은 희소 데이터 및 자기상관이 있는 과정을 포함한 다양한 조건에서 수치적으로 검증된다.
• Z-스코어의 누적성은 여러 지연 시간에 걸친 의존성 탐지에 활용되며, 지연 시간별 상호작용 패턴을 추론하기 위해 차분을 사용한다.

실험 결과

연구 질문

• RQ1 서로보조 데이터나 바이닝에 의존하지 않고, 점과정 간의 이변량 의존성 탐지에 대해 분석적으로 정확한 Z-스코어를 도출할 수 있는가?
• RQ2 낮은 사건 밀도, 짧은 기록 지속시간, 또는 비정상성 조건 하에서 제안된 방법의 성능은 어떠한가?
• RQ3 실제 조건에서 일치 사건 수 통계량의 분포가 근사적으로 정규분포를 이룬다 할 수 있는가? 이는 신뢰할 수 있는 Z-스코어 해석을 가능하게 하는가?
• RQ4 Z-스코어의 누적성은 특정 지연 시간에서의 의존성 해석에 어떤 영향을 미치는가?
• RQ5 Z-스코어의 차분을 통해 지연된 상호작용을 탐지하고, 즉각적 의존성과 이를 구별할 수 있는가?

주요 결과

• 독립성 하에서 일치 사건 수의 기대값과 표준편차에 대한 분석적 유도는 정확하며, 모든 매개변수 값(예: 각 과정당 하나의 사건과 같은 극단적 경우 포함)에 대해 유효하다.
• Z-스코어 통계량은 영가설 하에서 정규분포로 수렴하므로, 서로서보 데이터 없이도 엄밀한 통계적 추론이 가능하다.
• 이 방법은 표본 효과와 중간 정도의 자기상관성에 대해 강건하며, 정확한 I종 오류 비율을 유지한다.
• Z-스코어의 누적성은 큰 지연 시간에서의 유의미한 값이 짧은 지연 시간의 이전 상호작용을 반영하므로, 해석에 주의가 필요하며, 지연 시간별 추론을 위해 차분이 필요할 수 있다.
• 이 방법은 노이즈가 많은 공통 충격 모델에서 지연된 상호작용을 성공적으로 탐지하였으며, 희소하거나 짧은 기록에서도 예측 능력을 입증하였다.
• 낮은 사건 밀도 또는 제한된 데이터 지속시간 조건에서 기존의 상관계수 및 응용도 방법보다 뛰어나며, 기능적 연결성 추론을 위한 신뢰할 수 있는 대안을 제공한다.