[논문 리뷰] Confidence regions for excursion sets in asymptotically Gaussian random fields, with an application to climate

Max Sommerfeld, Stephen R. Sain외 1명|arXiv (Cornell University)|2015. 01. 28.

Soil Geostatistics and Mapping참고 문헌 11인용 수 4

한 줄 요약

이 논문은 점점 커지는 가우시안 랜덤 필드에서 임계값을 초과하는 공간 함수에 대한 신뢰 영역—구체적으로는 중첩된 상한 및 하한 초월 집합—을 구성하기 위한 새로운 방법을 제안한다. 다이내너 부트스트랩 방법을 사용하여, 극한 분포의 가우시안성, 정상성, 매끄러움 조건 없이도 타당한 커버리지 확률을 제공하며, 이 방법을 이용해 21세기 중반에 2°C 이상의 기온 상승을 겪을 가능성이 높은 북미 지역을 규명한다.

ABSTRACT

The goal of this paper is to give confidence regions for the excursion set of a spatial function above a given threshold from repeated noisy observations on a fine grid of fixed locations. Given an asymptotically Gaussian estimator of the target function, a pair of data-dependent nested excursion sets are constructed that are sub- and super-sets of the true excursion set, respectively, with a desired confidence. Asymptotic coverage probabilities are determined via a multiplier bootstrap method, not requiring Gaussianity of the original data nor stationarity or smoothness of the limiting Gaussian field. The method is used to determine regions in North America where the mean summer and winter temperatures are expected to increase by mid 21st century by more than 2 degrees Celsius.

연구 동기 및 목표

• 고정 격자에서 반복적인 노이즈 있는 관측치만 제공될 경우, 공간 함수의 초월 집합에 대해 타당한 신뢰 영역을 제공하는 것.
• 자연적 변동성으로 인해 기온 변화가 임계값(예: 2°C)을 초과하는 공간 영역의 불확실성을 측정하는 과제를 다루는 것.
• 기본 데이터 또는 극한 분포의 정상성, 매끄러움, 가우시안성 조건을 필요로 하지 않는 방법을 개발하는 것.
• NARCCAP 프로젝트의 실제 기후 데이터를 적용하여, 21세기 중반에 극단적인 기온 변화 위험을 지역적으로 평가하는 것.
• 데이터 기반의 중첩된 집합을 사용하여 진정한 초월 집합의 점 渐진 커버리지 확률을 확보하는 것—계산 효율성이 높은 부트스트랩 절차를 사용하여.

제안 방법

• 커버리지 확률 초월(Convergence Probability Excursion, CoPE) 집합을 제안: 점 渐진 커버리지 확률 $1 - \alpha$ 를 가지며, $\hat{A}_c^+ \subset A_c \subset \hat{A}_c^-$ 를 만족하는 중첩된 초월 집합 $\hat{A}_c^+$ 와 $\hat{A}_c^-$ 를 정의한다.
• 진정한 초월 집합의 점 渐진 커버리지 확률을 추정하기 위해 다이내너 부트스트랩 절차를 사용하며, 극한 가우시안 필드의 알려지지 않은 상관 함수 추정이 필요 없도록 한다.
• 대상 함수 $\mu$ 의 점 渐진 가우시안 추정자 $\hat{\mu}_n$ 에 중심극한정리 적용, 수렴 속도 $\tau_n = 2n^{-1/2}$.
• 대상 함수를 두 시기(1971–1999 대비 2041–2069)의 평균 여름 또는 겨울 기온 차이로 정의하며, 임계값 $c = 2^\circ C$.
• 각 공간 위치 $\mathbf{s}$ 에서 평균 차이 필드를 추정하기 위해 일반선형모형 프레임워크를 사용하며, 설계 행렬을 통해 두 시기를 명확히 분리한다.
• 진정한 경계 $\partial A_c$ 의 플러그인 추정치를 사용하여 부트스트랩을 校정함으로써, 진정한 경계가 알려지지 않은 경우에도 타당한 추론을 보장한다.

실험 결과

연구 질문

• RQ1 기본 데이터가 반드시 가우시안이거나 정상적이지 않은 경우, 공간 초월 집합에 대한 신뢰 영역을 어떻게 구성할 수 있는가?
• RQ2 진정한 초월 집합을 포함하는 데이터 기반 중첩된 초월 집합 쌍의 점 渐진 커버리지 확률은 무엇인가?
• RQ3 극한 가우시안 필드의 상관 함수를 명시적으로 추정할 필요 없이, 다이내너 부트스트랩 절차를 사용하여 커버리지 확률을 추정할 수 있는가?
• RQ4 21세기 중반에 여름 및 겨울 평균 기온이 2°C 이상 상승할 가능성이 있는 북미의 어떤 지역이 통계적으로 유의미한 위험에 처해 있는가?
• RQ5 수천 개의 격자 점을 포함하는 고차원 공간 데이터에 적용했을 때, 제안된 방법의 계산 효율성은 어떠한가?

주요 결과

• 제안된 CoPE 집합은 진정한 초월 집합에 대해 점 渐진 커버리지 확률 $90\%$ 를 달성한다. 즉, 반복 샘플링에서 진정한 관심 영역이 상한 및 하한 경계 사이에 존재할 확률이 이 비율이다.
• 평균 여름 기온의 경우, 로키 산맥과 멕시코의 시에라 마드레 오크시디널이 $>2^\circ C$ 기온 상승의 고위험 지역으로 규명되었으며, 플로리다, 멕시코 북부 일부 지역, 캐나다 북서부 지역은 위험하지 않다.
• 평균 겨울 기온의 경우, 허드슨 만 부근과 캐나다 실드 지역이 고위험 지역으로 나타났으며, 멕시코 만 북부의 소규모 지역은 위험하지 않다.
• 점별 회귀 및 부트스트랩 계산을 포함한 전체 분석은 표준 랩탑에서 5초 이내에 완료되어 높은 계산 효율성을 입증하였다.
• 이 방법은 약한 가정 하에서도 유효하다: 원천 데이터의 가우시안성, 정상성, 극한 가우시안 필드의 매끄러움 조건이 필요 없다.
• 최근 이론적 결과(Chernozhukov 등, 2013)에 의해 지지되며, 다이내너 부트스트랩 절차는 고차원 데이터에 대해 유효함이 입증되었다.