[논문 리뷰] Discrete-Time Statistical Inference for Multiscale Diffusions in the Averaging and Homogenization Regime

Siragan Gailus, Konstantinos Spiliopoulos|arXiv (Cornell University)|2017. 09. 07.

Advanced Mathematical Modeling in Engineering인용 수 1

한 줄 요약

이 논문은 느린 성분의 단일 관측 경로를 기반으로 다중 척도 확산에 대한 통계적 추론 방법을 개발한다. 느린 과정의 이차 테일러 근사에 기반한 최소 대비 추정기(MCE 및 SMCE)를 제안하며, 시간 척도 분리 조건 하에서 고주기 관측 조건에서도 평균화 및 동질화 체제 모두에서 MCE의 일致성, 점근 정규성 및 효율성을 입증한다.

ABSTRACT

We study statistical inference for small-noise-perturbed multiscale dynamical systems under the assumption that we observe a single time series from the slow process only. We construct estimators for both averaging and homogenization regimes, based on an appropriate misspecified model motivated by a second-order stochastic Taylor expansion of the slow process with respect to a function of the time-scale separation parameter. In the case of a fixed number of observations, we establish consistency, asymptotic normality, and asymptotic statistical efficiency of a minimum contrast estimator (MCE), the limiting variance having been identified explicitly; we furthermore establish consistency and asymptotic normality of a simplified minimum constrast estimator (SMCE), which is however not in general efficient. These results are then extended to the case of high-frequency observations under a condition restricting the rate at which the number of observations may grow vis-a-vis the separation of scales. Numerical simulations illustrate the theoretical results.

연구 동기 및 목표

• 관측 가능한 것이 느린 성분 뿐인 다중 척도 확산에 대한 통계적 추론 방법을 개발하는 것.
• 작은 노이즈와 다중 시간 척도가 존재하는 상황에서의 매개변수 추정 문제에 대응하는 것.
• 평균화 및 동질화 체제 모두에서 일치하고 점근적으로 효율적인 추정기를 구축하는 것.
• 시간 척도 분리에 비례하는 관측 수의 성장률이 제어되는 조건 하에서 고주기 관측 설정으로 이론적 결과를 확장하는 것.
• 수치 시뮬레이션을 통해 이론적 결과를 검증하는 것.

제안 방법

• 시간 척도 분리 파라미터에 대한 느린 과정의 이차 확률적 테일러 전개를 이용해 오차 모델을 유도한다.
• 오차 모델의 근사 가능도를 기반으로 최소 대비 추정기(MCE)를 구성한다.
• 계산 비용을 줄인 복잡도가 감소한 간소화된 최소 대비 추정기(SMCE)를 제안한다.
• 고정 및 고주기 관측 체제 모두에서 점근적 성질을 도출하며, 관측 수의 성장률이 척도 분리 조건에 따라 제어되는 조건을 설정한다.
• MCE의 점근 분산을 명시적으로 규명하여 통계적 효율성 평가를 가능하게 한다.
• 추정기의 이론적 성질을 검증하기 위해 수치 시뮬레이션을 수행한다.

실험 결과

연구 질문

• RQ1 관측 가능한 것이 느린 성분 뿐일 때, 다중 척도 확산에 대해 일치하고 효율적인 매개변수 추정기를 구성할 수 있는가?
• RQ2 MCE 및 SMCE의 점근적 성질은 시간 척도 분리와 관측 주파수에 어떻게 의존하는가?
• RQ3 MCE의 점근 분산은 무엇이며, 평균화 및 동질화 체제 모두에서 통계적 효율성을 달성하는가?
• RQ4 시간 척도 분리 조건 하에서 관측 수의 성장률이 고주기 관측 설정에서 추정기의 점근 정규성에 어떤 영향을 미치는가?
• RQ5 작은 노이즈 조건 하에서 느린 과정의 이차 테일러 근사는 얼마나 정확한 추론을 가능하게 하는가?

주요 결과

• 최소 대비 추정기(MCE)는 평균화 및 동질화 체제 모두에서 일치성과 점근 정규성을 보인다.
• MCE는 점근적 통계적 효율성을 달성하며, 그 점근 분산이 명시적으로 규명된다.
• 간소화된 최소 대비 추정기(SMCE)는 일치성과 점근 정규성을 보이지만, 일반적으로 효율적이지는 않다.
• 관측 수의 성장률이 시간 척도 분리 조건에 따라 제어되는 조건 하에서 고주기 관측 설정에서도 두 추정기의 점근 정규성이 확립된다.
• 이론적 결과는 추정기의 유한 표본 성능을 보여주는 수치 시뮬레이션을 통해 검증된다.
• 이차 확률적 테일러 전개는 작은 노이즈 조건 하에서 다중 척도 확산의 추론에 유효한 근사 프레임워크를 제공한다.