[논문 리뷰] Functional macroscopic behavior of weighted random ball model

Jean-Christophe Breton, Clément Dombry|arXiv (Cornell University)|2010. 02. 26.

Bayesian Methods and Mixture Models참고 문헌 17인용 수 6

한 줄 요약

이 논문은 꼬리가 무거운 강도 측도를 가진 포아송 점 프로세스를 사용하여 페이딩 효과가 있는 가중 무작위 공 모델의 기능적 매크로스코픽 행동을 조사한다. 몰입 추정을 통해 큰 크기와 중간 크기의 공 스케일링에서 기능 수렴를 입증하고, 일반화된 무작위 장의 자가유사 극한을 규명한다.

ABSTRACT

We consider a generalization of the weighted random ball model. The model is driven by a random Poisson measure with a product heavy tailed intensity measure. Such a model typically represents the transmission of a network of stations with a fading effect. In a previous article, the authors proved the convergence of the finite-dimensional distributions of related generalized random fields under various scalings and in the particular case when the fading function is the indicator function of the unit ball. In this paper, tightness and functional convergence are investigated. Using suitable moment estimates, we prove functional convergences for some parametric classes of configurations under the so-called large ball scaling and intermediate ball scaling. Convergence in the space of distributions is also discussed.

연구 동기 및 목표

• 공간 네트워크에서 페이딩 효과가 있는 가중 무작위 공으로 정의된 일반화된 무작위 장의 매크로스코픽 행동을 분석하는 것.
• 이전의 유한 차원 수렴 결과를 스케일링 극한 하에서 기능 수렴으로 확장하는 것.
• 몰입 추정을 사용하여 큰 공 스케일링과 중간 크기의 공 스케일링 하에서 모델의 수렴을 조사하는 것.
• 스케일링된 장의 분포 공간에서 수렴을 확립하고, 특히 자가유사성의 맥락에서 고려하는 것.
• 특히 반경 분포가 꼬리가 무거운 경우에 다양한 스케일링 제도에서의 극한 일반화된 무작위 장을 특성화하는 것.

제안 방법

• 신호 장을 스토크래틱 적분으로 모델링: $ M({\bf y}) = \int_{\mathbb{R}^d \times \mathbb{R}^+ \times \mathbb{R}} m h\left(\frac{{\bf y} - {\bf x}}{r}\right) N(d{\bf x}, dr, dm) $, 여기서 $ N $ 은 곱 강도 $ \lambda d{\bf x} F(dr) G(dm) $ 를 가진 포아송 무작위 측도이다.
• 공간 영역에 대해 스케일링 $ \rho \to 0 $ (확대)를 적용하여 $ {\bf x} \mapsto \rho {\bf x} $ 로 변환하고, 스케일링된 장 $ \widetilde{M}_\rho(\mu) $ 를 연구한다.
• 횔더 부등식과 잘라낸 몰입 추정을 통해 $ \mu[\tau_{{\bf x},r}h] $ 의 $ L^\gamma $-노름을 제어하며, $ F $, $ G $, 및 $ h $ 에 대한 가정을 활용한다.
• 몰입 추정과 기능 극한 정리의 포아송 카오스 적용을 통해 유한 차원 분포의 안정성을 확립한다.
• 포아송 스토크래틱 적분의 성질을 사용하여 스케일링된 장의 특성 함수와 첨수를 명시적으로 유도한다.
• 큰 크기와 중간 크기 스케일링 하에서 스케일링된 장 $ \widetilde{M}_\rho(\mu) $ 가 자가유사 일반화된 무작위 장으로 분포 수렴을 증명한다.

실험 결과

연구 질문

• RQ1 큰 크기와 중간 크기의 공 스케일링 하에서 가중 무작위 공 모델의 기능적 행동은 어떻게 변화하는가?
• RQ2 반경 및 무게 분포에 대한 어떤 조건이 스케일링된 장의 기능 수렴을 보장하는가?
• RQ3 극한 장이 자가유사로 특성화될 수 있으며, 어떤 몰입 조건과 꼬리 조건에서 그러한가?
• RQ4 신호 장의 매크로스코픽 행동을 형성하는 데서 페이딩 함수 $ h $ 는 어떤 역할을 하는가?
• RQ5 어떤 스케일링 제도에서 스케일링된 장이 분포 공간에서 비퇴화 극한으로 수렴하는가?

주요 결과

• 큰 크기의 공 스케일링과 중간 크기의 공 스케일링 하에서 몰입 추정을 통해 스케일링된 장 $ \widetilde{M}_\rho(\mu) $ 의 기능 수렴이 입증된다.
• 적절한 몰입 조건 하에서 극한 장은 지수 $ \beta/d $ 를 가진 자가유사이며, 여기서 $ \beta $ 는 반경 분포 $ F $ 의 꼬리 지수이다.
• 적절한 조건 하에서 $ \beta < d $ 이면 분포 공간에서의 수렴이 성립하며, 극한 장은 일반화된 스테이블 무작위 장이다.
• 스케일링된 장의 $ k $-번째 첨수는 $ \lambda(\rho) / n(\rho)^k $ 배수에 $ m $ 의 $ k $-번째 모멘트와 $ \mu[\tau_{{\bf x},r}h] $ 의 $ k $-번째 모멘트를 곱한 것으로 표현되며, $ n(\rho) \sim \rho^{-\beta} $ 이다.
• 만약 $ \gamma > \beta/d $ 이면 $ \mu[\tau_{{\bf x},r}h] $ 의 $ L^\gamma $-노름은 $ M \rho^\beta $ 로 유계이며, 이는 안정성과 기능 수렴을 보장한다.
• 스케일링된 장의 특성 함수는 $ \exp\left( \int \Psi_G(n(\rho)^{-1} \theta \mu[\tau_{{\bf x},r}h]) \lambda(\rho) d{\bf x} F_\rho(dr) \right) $ 로 표현되며, 여기서 $ \Psi_G $ 는 $ G $ 의 첨수 생성 함수이다.