[논문 리뷰] Limit theory for geometric statistics of clustering point processes.

Bartłomiej Błaszczyszyn, D. Yogeshwaran외 1명|arXiv (Cornell University)|2016. 06. 13.

Random Matrices and Applications인용 수 8

한 줄 요약

이 논문은 인과성 상관관계를 가진 군집화 점 과정, 즉 결정식 및 영구식 점 과정을 포함하여 기하 통계의 극한 이론을 수립한다. U-통계량과 무작위 측도를 인과모멘트 전개를 통해 분석함으로써, 비선형 기하 통계량(예: 클리크 수와 내재체적 부피)에 대한 기대값과 분산의 渐近적 성질, 그리고 중심극한정리가 증명된다. 이는 이전 결과를 선형 통계량을 초월하는 비선형 기능으로 확장한다.

ABSTRACT

Let $\mathcal{P}$ be a simple, stationary, clustering point process on $\mathbb{R}^d$ in the sense that its correlation functions factorize up to an additive error decaying exponentially fast with the separation distance. Let $\mathcal{P}_n:= \mathcal{P} \cap W_n$ be its restriction to windows $W_n := [- \frac{n^{1/d}}{2}, \frac{n^{1/d}}{2}]^d \subset \mathbb{R}^d$. We consider the statistic $H_n^\xi:= \sum_{x \in \mathcal{P}_n} \xi(x, \mathcal{P}_n)$ where $\xi(x, \mathcal{P}_n)$ denotes a score function representing the interaction of $x$ with respect to $\mathcal{P}_n$. When $\xi$ depends on local data in the sense that its radius of stabilization has an exponential tail, we establish expectation asymptotics, variance asymptotics, and central limit theorems for $H_n^\xi$ and, more generally, for statistics of the random measures $\mu_n^{\xi} := \sum_{x \in \mathcal{P}_n} \xi(x, \mathcal{P}_n) \delta_{n^{-1/d} x},$ as $W_n \uparrow \mathbb{R}^d$. This gives the limit theory for non-linear geometric statistics (such as clique counts, the number of Morse critical points, intrinsic volumes of the Boolean model, and total edge length of the $k$-nearest neighbor graph) of determinantal point processes with fast decreasing kernels, including the $\alpha$-Ginibre ensembles, extending the Gaussian fluctuation results of Soshnikov [67] to non-linear statistics. It also gives the limit theory for geometric U-statistics of permanental point processes as well as the zero set of Gaussian entire functions, extending the central limit theorems of Nazarov and Sodin [50], which are also confined to linear statistics. The proof of the central limit theorem relies on a factorial moment expansion originating in [10,11] to show clustering of mixed moments of $\xi$. Clustering extends the cumulant method to the setting of purely atomic random measures, yielding the asymptotic normality of $\mu_n^{\xi}$.

연구 동기 및 목표

• 빠르게 감쇠하는 상관관계를 갖는 군집화 점 과정의 기하 통계에 대한 극한 이론을 개발한다.
• 결정식 및 영구식 점 과정의 비선형 기하 U-통계량으로까지 확장된 중심극한정리를 확장한다.
• 정착 조건 하에서 점 과정의 점수 함수와 관련된 무작위 측도의 점근적 행동을 분석한다.
• 소쉬니코프 및 나자로프–소딘의 가우시안 변동 결과를 비선형 기능으로 일반화한다.
• 점수 함수의 혼합 모멘트의 군집화를 통해 기하 통계량의 점근적 정규성을 확립한다.

제안 방법

• 지수적으로 감쇠하는 오차까지 인과성 상관관계를 갖는 $\mathbb{R}^d$ 위의 단순하고 정적이며 군집화되는 점 과정을 모델링한다.
• 창문 $W_n = [-n^{1/d}/2, n^{1/d}/2]^d$ 에 점 과정을 제한하고 국소 점수 함수를 사용하여 통계량 $H_n^\xi = \sum_{x \in \mathcal{P}_n} \xi(x, \mathcal{P}_n)$ 을 정의한다.
• 점수 함수 $\xi$ 가 지수 꼬리를 갖는 정착 반경을 가지며 국소적 의존성을 보장한다.
• 문헌 [10,11]의 인과모멘트 전개를 사용하여 혼합 모멘트를 분석하고 누적량의 군집화를 증명한다.
• 통계량 $H_n^\xi$ 와 스케일링된 무작위 측도 $\mu_n^\xi = \sum_{x \in \mathcal{P}_n} \xi(x, \mathcal{P}_n) \delta_{n^{-1/d}x}$ 의 기대값과 분산의 점근적 성질을 유도한다.
• 순수하게 원자적인 무작위 측도에 대해 누적량 방법을 확장하여 모멘트 군집화를 통해 $\mu_n^\xi$ 의 점근적 정규성을 확립한다.

실험 결과

연구 질문

• RQ1 빠르게 감쇠하는 상관관계를 갖는 군집화 점 과정에 대한 기하 U-통계량의 점근적 모멘트(기대값과 분산)는 무엇인가?
• RQ2 결정식 및 영구식 점 과정에서 클리크 수와 내재체적 부피와 같은 비선형 기하 통계량에 대해 중심극한정리가 성립하는가?
• RQ3 순수하게 원자적인 무작위 측도가 점 과정의 국소 점수 함수로부터 유도될 경우, 누적량 방법을 확장할 수 있는가?
• RQ4 결정식, 영구식, 그리고 가우시안 전체 함수의 영점 집합 간의 기하 통계에 대한 극한 법칙은 어떻게 다를까?
• RQ5 점근적 정규성에 필요한 모멘트 군집화를 보장하기 위해 점수 함수에 어떤 조건이 필요한가?

주요 결과

• 점수 함수 $\xi$ 에 대한 정착 조건 하에서 $H_n^\xi$ 의 기대값과 분산에 대한 정밀한 점근 전개를 확립한다.
• 스케일링된 무작위 측도 $\mu_n^\xi$ 에 대해 중심극한정리를 증명하여 약한 의존성 하에서 기하 통계량의 점근적 정규성을 보여준다.
• 알파-지니브레 과정에서 선형 통계량에 대한 소쉬니코프의 가우시안 변동 결과를 총 엣지 길이와 같은 비선형 기능으로 확장한다.
• 인과모멘트 전개를 통한 혼합 모멘트 군집화를 증명함으로써 기하 통계의 극한 이론에 일반적인 프레임워크를 제공한다.
• 빠르게 감쇠하는 커널을 갖는 결정식 점 과정, 영구식 과정, 그리고 가우시안 전체 함수의 영점 집합에 이 이론이 적용된다.
• 모멘트 군집화를 이용하여 원자 측도에 대해 누적량 방법을 확장함으로써 중심극한정리를 도출하였으며, 이는 새로운 기술적 기여이다.