[논문 리뷰] Nonparametric estimation of the fragmentation kernel based on a PDE stationary distribution approximation

Van Hà Hoang, Thanh Mai Pham Ngoc외 2명|arXiv (Cornell University)|2017. 10. 25.

Statistical Methods and Inference참고 문헌 51인용 수 4

한 줄 요약

이 논문은 개체 기반 모델의 편미분방정식(PDE) 근사와 정적 분포를 이용해 크기 구조를 가진 세포 분열 모델에서 분열 핵심함수(fragmentation kernel)에 대한 비모수적 추정기(nonparametric estimator)를 제안한다. PDE의 고유값 구조로부터 유도된 푸리에 기반 탈분산 문제(deconvolution problem)를 해결함으로써, 대규모 개체 수 근사에서 일致성(consistency)을 확보하며, 실무에서의 강인성(robustness)을 확보하기 위해 재표본화(resampling)를 통한 대역폭 선택 기법을 적용한다.

ABSTRACT

We consider a stochastic individual-based model in continuous time to describe a size-structured population for cell divisions. This model is motivated by the detection of cellular aging in biology. We address here the problem of nonparametric estimation of the kernel ruling the divisions based on the eigenvalue problem related to the asymptotic behavior in large population. This inverse problem involves a multiplicative deconvolution operator. Using Fourier technics we derive a nonparametric estimator whose consistency is studied. The main difficulty comes from the non-standard equations connecting the Fourier transforms of the kernel and the parameters of the model. A numerical study is carried out and we pay special attention to the derivation of bandwidths by using resampling.

연구 동기 및 목표

• 크기 구조를 가진 확률적 모델에서 비대칭 세포 분열을 지배하는 분열 핵심함수 h(γ)를 추정하기 위해.
• 분열 트리가 관측되지 않을 때 관측된 개체 수 분포로부터 h(γ)를 복원하는 역문제(inverse problem)를 다루기 위해.
• 개체 기반 모델의 점근적 정적 분포 근사에 기반한 비모수적 추정기 개발을 위해.
• 대규모 개체 수 근사에서 추정기의 일치성(consistency)을 확보하고, 재표본화를 통한 대역폭 선택 규칙를 유도하기 위해.
• 핵심함수 h(γ)와 정적 분포의 특성함수(characteristic function) 사이의 비표준 푸리에 관계를 다루기 위해.

제안 방법

• 연속적인 성장과 비율 R에서의 이분화를 가지는 확률적 개체 기반 과정을 사용해 인구 역학을 모델링한다.
• 세포 크기의 경험적 측도를, 정적 해가 분열 핵심함수 h(γ)와 연결되는 PDE로 근사한다.
• PDE의 정적 해와 관련된 고유값 문제를 유도하여, h(γ)와 관련된 특성함수 M*(ξ)를 도출한다.
• 푸리에 역변환을 이용해 핵심함수 h(γ)를 M*(ξ)와 크기 분포의 특성함수를 포함하는 탈분산 문제로 표현한다.
• 경험적 특성함수를 사용하여 h(γ)에 대한 비모수적 커널 유형 추정기(nonparametric kernel-type estimator)를 구축하고, 부트스트랩(bootstrap) 등의 재표본화 기법을 통해 대역폭 선택을 적용한다.
• 에르고딕성 이론을 바탕으로 푸리에 공간에서 평균 제곱오차를 유계화하고, 베르누이 및 로젠탈 부등식을 사용해 추정 오차를 통제함으로써 추정기의 일치성을 입증한다.

실험 결과

연구 질문

• RQ1 분열 트리가 관측되지 않을 때, 대규모 개체 수에서 정적 크기 분포로부터 분열 핵심함수 h(γ)를 일관되게 추정할 수 있는가?
• RQ2 특히 고주파 푸리에 성분에서, PDE 정적 분포 기반 비모수적 추정기의 편향과 분산은 어떻게 되는가?
• RQ3 노이즈가 있거나 표본 수가 유한한 푸리에 추정치가 존재할 경우, 커널 추정기의 최적 대역폭 선택 전략은 무엇인가?
• RQ4 h(γ)와 정적 분포 사이의 비표준 푸리에 방정식이 추정 절차와 이론적 성질에 어떤 영향을 미치는가?
• RQ5 재표본화 기반 대역폭 선택 전략은 추정기의 유한 표본 성능을 얼마나 향상시키는가?

주요 결과

• 제안된 분열 핵심함수 h(γ)에 대한 비모수적 추정기는 대규모 개체 수 근사에서 일관성을 보인다 (K → ∞).
• 푸리에 공간에서 추정기의 평균 제곱오차는 C · min{1/|M*(ξ)|², n⁻¹/|M*(ξ)|⁴}로 유계화되며, 여기서 M*(ξ)는 크기 분포의 특성함수이다.
• 재표본화(예: 부트스트랩)를 통한 대역폭 선택 기법이 추정기의 안정성 향상과 표본 수가 유한한 상황에서의 성능 향상에 효과적임을 입증하였다.
• PDE 고유값 문제에서 유도된 복잡한 특성함수를 통해 핵심함수 h(γ)와 정적 분포를 연결하는 비표준 탈분산 구조를 효과적으로 다룰 수 있었다.
• 경험적 특성함수의 기대값에서의 편차를 통제하기 위해 베르누이 및 로젠탈 부등식을 사용하여 이론적 유계를 도출하였다.
• 수치 실험을 통해 추정기의 실현 가능성과 강인성을 확인하였으며, 특히 생물학적 모델에서 예상되는 바와 같이 핵심함수 h(γ)가 1/2를 중심으로 대칭일 경우에 특히 뛰어난 성능을 보였다.