[논문 리뷰] Nonparametric estimation of the division rate of an age dependent branching process

Marc Hoffmann, A. Olivier|arXiv (Cornell University)|2014. 12. 18.

Stochastic processes and statistical mechanics참고 문헌 24인용 수 35

한 줄 요약

이 논문은 입자가 나이에 따라 분열률이 달라지는 초임계 벨만-헤어스 브랜치 프로세스에서 분열률 $ B(x) $ 를 비모수적 커널 기반 추정기로 개발한다. 정상성 조건 하에서, 추정기는 최적의 최소최대 속도 $ \exp\left(-\lambda_B \frac{\beta}{2\beta+1} T\right) $ 를 달성하며, $ \lambda_B $ 는 말라스 파rameter 이고 $ \beta $ 는 $ B(x) $ 의 매끄러움 정도를 나타낸다. 또한, 시간 $ T $ 에 살아있는 입자들만 관측하는 것은 편향과 선택 효과로 인해 최적의 추정을 이루기에는 부족하다는 것을 보여준다.

ABSTRACT

We study the nonparametric estimation of the branching rate $B(x)$ of a supercritical Bellman-Harris population: a particle with age $x$ has a random lifetime governed by $B(x)$; at its death time, it gives rise to $k \\geq 2$ children with lifetimes governed by the same division rate and so on. We observe in continuous time the process over $[0,T]$. Asymptotics are taken as $T \ ightarrow \\infty$; the data are stochastically dependent and one has to face simultaneously censoring, bias selection and non-ancillarity of the number of observations. In this setting, under appropriate ergodicity properties, we construct a kernel-based estimator of $B(x)$ that achieves the rate of convergence $\\exp(-\\lambda_B \\frac{\\beta}{2\\beta+1}T)$, where $\\lambda_B$ is the Malthus parameter and $\\beta >0$ is the smoothness of the function $B(x)$ in a vicinity of $x$. We prove that this rate is optimal in a minimax sense and we relate it explicitly to classical nonparametric models such as density estimation observed on an appropriate (parameter dependent) scale. We also shed some light on the fact that estimation with kernel estimators based on data alive at time $T$ only is not sufficient to obtain optimal rates of convergence, a phenomenon which is specific to nonparametric estimation and that has been observed in other related growth-fragmentation models.

연구 동기 및 목표

• 입자가 나이에 따라 분열률이 달라지는 연령 의존 브랜치 프로세스에서 분열률 $ B(x) $ 의 비모수적 추정기 개발.
• 연속 시간 관측에서의 스토케스틱적 의존성, 케논링(관측되지 않은 사망), 선택 편향 등의 과제 해결.
• B(x) 에 대한 매끄러움 가정 하에서 B(x) 추정의 최소최대 수렴 속도 설정.
• 표준 추정기들이 시간 T 에 살아있는 입자들만 기반으로 할 경우 최적 속도를 달성하지 못함을 보여주며, 관측 체계에 내재된 선택 편향으로 인한 원인 분석.

제안 방법

• 분열률 $ B(x) $ 를 위한 커널 기반 추정기를 구성하며, $ t \in [0,T] $ 의 전체 과정 기록 $ X(t) $ 를 활용한다. 이는 사망 입자들과 시간 T 에 살아있는 입자들을 모두 포함한다.
• 브랜치 프로세스의 스토케스틱적 의존성을 다루기 위해 분기 성질과 마틴게일 기법을 활용하여 편향과 분산의 경계를 유도한다.
• 점근적 분석은 말라스 파rameter $ \lambda_B $ 와 $ B(x) $ 의 매끄러움 $ \beta $ 에 기반하며, 속도는 $ \lambda_B \frac{\beta}{2\beta+1} $ 에 따라 달라진다.
• 시간 변환된 과정과 커플링 추론을 사용하여 $ H_B $-변환 하에서 과정의 행동을 제어함으로써 모멘트 경계를 도출한다.
• 최적성 증명은 매개변수에 의존하는 시간 척도를 통해 고전적 비모수 모델과 연결하며, 변환된 영역에서 밀도 추정과의 동치성을 보여준다.
• 생존 편향을 신중하게 다루기 위해 시간 T 에 사망한 입자들과 아직 살아있는 입자를 구분하며, 둘 다 최적 추정에 기여함을 보여준다.

실험 결과

연구 질문

• RQ1 연속 시간 관측 하에서 초임계 벨만-헤어스 프로세스의 비모수적 분열률 $ B(x) $ 추정의 최적 수렴 속도는 무엇인가?
• RQ2 관측 시점 T 에 살아있는 입자들만 관측하는 것에 기인한 케논링과 선택 편향이 추정 속도에 미치는 영향은 무엇인가?
• RQ3 이러한 의존적이고 i.i.d. 이 아닌 환경에서 커널 기반 추정기가 최소최대 최적 속도를 달성할 수 있는가? 이를 위한 $ B(x) $ 에 대한 필수 조건은 무엇인가?
• RQ4 왜 시간 T 에 살아있는 입자들만 기반으로 한 추정은 비록 그것들이 유일하게 완전히 관측된 대상이지만 여전히 부족한가?

주요 결과

• 제안된 커널 추정기는 최소최대 최적 수렴 속도 $ \exp\left(-\lambda_B \frac{2\beta}{2\beta+1} T\right) $ 를 달성하며, $ \lambda_B $ 는 말라스 파rameter 이고 $ \beta > 0 $ 은 $ B(x) $ 의 매끄러움 지수이다.
• 이 속도는 최소최대 의미에서 최적이며, 동일한 매끄러움 및 정상성 조건 하에서 다른 추정기보다 더 빠른 수렴 속도를 달성할 수 없다.
• 이 속도는 고전적 비모수 모델과 명시적으로 연결되며, 파라미터 $ \lambda_B $ 에 따라 달라지는 시간 척도에서의 밀도 추정과 동치임을 보여준다. 이는 말라스 마틴게일이 유도하는 시간 변환을 반영한다.
• 시간 T 에 살아있는 입자들만 기반으로 한 추정은 선택 편향으로 인해 최적 속도를 달성하지 못한다. 이는 브랜치 프로세스에서의 비모수적 추정에 특화된 현상이다.
• 증명은 $ H_B $-변환 하에서 과정의 모멘트 경계를 확보하기 위한 커플링 추론과 모멘트 경계에 기반한다. 이는 추정기의 편향과 분산을 제어할 수 있게 한다.
• 분석을 통해 관측된 사건 수(사망 수)는 비보존적임을 입증하며, i.i.d. 설정과 달리 추정 절차에서 반드시 고려되어야 한다.