[논문 리뷰] On modeling nonhomogeneous Poisson process for stochastic simulation input analysis

Issac Shams, Saeede Ajorlou외 1명|arXiv (Cornell University)|2014. 02. 28.

Simulation Techniques and Applications참고 문헌 17인용 수 4

한 줄 요약

이 논문은 시간에 따라 변화하는 사건 발생률을 가지는 비정상 포아송 과정에서 다수의 변화점(Change Points)을 탐지하기 위해 우도비검정(Likelihood Ratio Test, LRT) 기반 방법을 제안한다. 이 방법은 통계적 검정을 통해 강도 함수의 변화를 식별하며, 몬테카를로 연구를 통해 확률적 시뮬레이션 모델의 시간에 따라 변하는 입력 분포를 탐지하는 데 있어 만족스러운 성능을 확인하였다.

ABSTRACT

A validated simulation model primarily requires performing an appropriate input analysis mainly by determining the behavior of real-world processes using probability distributions. In many practical cases, probability distributions of the random inputs vary over time in such a way that the functional forms of the distributions and/or their parameters depend on time. This paper answers the question whether a sequence of observations from a process follows the same statistical distribution, and if not, where the exact change points are. We propose a Likelihood Ratio Test (LRT) based method to detect multiple change points when observations follow non-stationary Poisson process with diverse occurrence rates over time. Results from a comprehensive Monte Carlo study indicate satisfactory performance for the proposed method.

연구 동기 및 목표

• 입력 분포가 비정상적인 시간에 따라 변화하는 시뮬레이션 모델에서 시간에 따라 변화하는 입력 과정을 모델링하는 데 도전하는 것.
• 관측된 시계열이 시간에 따라 동일한 통계적 분포를 따르는지 여부 또는 구조적 변화가 있는지 판단하는 것.
• 시간에 따라 변화하는 발생률을 가지는 비정상 포아송 과정의 강도 함수에서 정확한 변화점을 식별하는 것.
• 비정상 도착 과정을 갖는 시뮬레이션 모델의 입력 분석을 위한 통계적으로 엄밀한 방법을 개발하는 것.
• 표준 i.i.d. 가정을 위반하는 입력 행동의 변화를 탐지함으로써 시뮬레이션 모델의 정확도를 향상시키는 것.

제안 방법

• 이 방법은 비정상 포아송 과정의 강도 함수에 변화점이 있는지 없는지를 비교하기 위해 우도비검정(Likelihood Ratio Test, LRT)을 활용한다.
• 관측 기간을 세그먼트로 나누고, 인접한 간격 간의 강도 파ameter에 유의미한 차이가 있는지 검정한다.
• 검정 통계량은 귀무가설(변화 없음)과 대립가설(한 개 이상의 변화 있음) 하에서의 최대우도 비율에서 유도된다.
• 반복적인 세그먼테이션과 순차적 가설 검정을 통해 다중 변화점을 탐지할 수 있도록 방법을 확장한다.
• LRT 통계량의 임계값은 귀무가설 하에서 渐近분포 이론 또는 시뮬레이션을 통해 결정된다.
• 강도 함수가 시간 간격 동안 조각별로 일정한 비정상 포아송 과정을 다룰 수 있도록 설계되었다.

실험 결과

연구 질문

• RQ1 확률적 과정에서 관측된 시계열이 하나의 통계적 분포를 따르는가, 아니면 기저의 강도에 시간에 따른 변화가 있는가?
• RQ2 시간에 따라 변화하는 발생률을 가지는 비정상 포아송 과정의 강도 함수에서 정확한 변화점은 어디에 있는가?
• RQ3 제안된 LRT 기반 방법은 비정상 포아송 과정에서 다수의 변화점을 얼마나 정확하게 탐지할 수 있는가?
• RQ4 강도 변화의 다양한 구성 조건과 표본 크기 하에서 LRT 방법의 통계적 검정력과 내성성은 어떠한가?
• RQ5 이 방법은 진짜 구조적 변화와 사건 수의 랜덤 변동을 신뢰성 있게 구분할 수 있는가?

주요 결과

• 제안된 LRT 기반 방법은 변화하는 강도율을 가지는 비정상 포아송 과정에서 다수의 변화점을 탐지하는 데 있어 만족스러운 성능을 보였다.
• 몬테카를로 연구를 통해 다양한 시뮬레이션 시나리오 하에서 변화점을 정확히 식별할 수 있는 능력을 확인하였다.
• 유의수준 오류율(Type I error rates)을 효과적으로 통제하여, 변화가 없는 귀무가설 하에서 신뢰할 수 있는 통계적 추론이 가능함을 나타냈다.
• 표본 크기와 강도 수준 변화에 대한 중간 정도의 변동성에 대해 내성성이 뛰어나다.
• 입력 분포가 시간에 따라 비정상적인 확률적 시뮬레이션에서 입력 분석을 위한 실용적인 해결책을 제공한다.
• 이 방법의 뛰어난 성능에도 불구하고, 표본 1에서 오류가 발견되어 보고된 수치 결과에 영향을 미쳐 논문이 철수되었다.