[논문 리뷰] A general framework for perfect simulation of long memory processes

Emilio De Santis, Mauro Piccioni|arXiv (Cornell University)|2010. 04. 01.

Markov Chains and Monte Carlo Methods참고 문헌 11인용 수 5

한 줄 요약

이 논문은 가산 상태공간을 가진 장기 기억 확률과정의 완전 시뮬레이션을 위한 일반적 프레임워크를 제안한다. 이는 정보 깊이 기반의 뒤로 향하는 공융 시간과 수정된 커플링 함수를 도입함으로써 이루어지며, 기존 연구를 확장하여 완전 시뮬레이션을 위한 조건을 더 약하게 만들고자 한다. 특히, 일반화된 무작위 보행이 유한한 방향 그래프에서 정의된 비가역적이고 비주기적인 구조를 가질 경우에 대해 거의 확실한 공융을 보장하는 새로운 커플링 함수를 제안한다.

ABSTRACT

In this paper a general approach for the perfect simulation of a stationary process with at most countable state space is outlined. The process is specified through a kernel, prescribing the probability of each state conditional to the whole past history. We follow the seminal paper of Comets, Fernandez and Ferrari, where sufficient conditions for the construction of a certain perfect simulation algorithm have been given. We generalize this approach by defining backward coalescence times for these kind of processes; this allows us to construct perfect simulation algorithms under weaker conditions.

연구 동기 및 목표

• 가산 상태공간을 가진 정적 장기 기억 과정에 대한 완전 시뮬레이션을 위한 일반적 프레임워크를 개발한다.
• 기존의 완전 시뮬레이션 방법을 마르코프 체인을 초월하여 무한 기억을 가진 과정으로 확장한다.
• 정보 깊이 기반의 뒤로 향하는 공융 시간을 도입함으로써 완전 시뮬레이션을 위한 조건을 약화시킨다.
• 수정된 커플링 함수를 통해 거의 확실한 공융과 정적 과정의 유일성을 확보하기 위한 충분조건을 설정한다.
• 이 프레임워크를 유한한 방향 그래프 $ \mathcal{G} = (G, \mathcal{A}) $ 상의 일반화된 무작위 보행에 적용한다. 여기서 $ \mathcal{G} $ 는 비가역적이고 비주기적 구조를 가져야 한다.

제안 방법

• 무한 기억을 가진 과정을 위한 뒤로 향하는 공융 시간을 도입하며, 이를 정보 깊이에 기반하여 정의한다. 이는 과거 역사에 적응하는 정지 시간이다.
• 정보 깊이로부터 뒤로 향하는 공융 시간의 표준 구축법을 정의하며, 적절한 조건 하에서 거의 확실한 유한성을 보장한다.
• 다중 균일 난수에 의존하는 수정된 커플링 함수를 제안하여, 단일 변수 커플링을 초월한 공융 성질을 향상시킨다.
• 기존의 최대 커플링 함수 [CFF02]를 기반으로 하되, 초기 커플링이 공융에 실패하는 경우를 처리하기 위해 이를 수정한다.
• 완전 샘플링을 보장하기 위해 CFTP(Coupling from the Past) 원리를 감마-커플러 방법과 융합하여 적용한다.
• 확장된 상태공간 $ G^{l+1} $ 상에서 유도된 마르코프 커널이 뒤로 향하는 공융과 유일한 정적 분포를 보장하는 조건을 설정한다.

실험 결과

연구 질문

• RQ1 이전에 알려진 조건보다 더 약한 조건 하에서도, 가산 상태공간을 가진 장기 기억 과정에 대해 완전 시뮬레이션을 달성할 수 있는가?
• RQ2 무한 기억을 가진 비마르코프 과정을 위한 뒤로 향하는 공융 시간은 어떻게 구성할 수 있는가?
• RQ3 어떤 커플링 함수의 수정이 강력한 미니멀라이제이션 조건 없이 거의 확실한 공융을 보장하는가?
• RQ4 확장된 상태공간 $ G^{l+1} $ 상에서 유도된 마르코프 커널이 완전 시뮬레이션을 보장하는 조건은 무엇인가?
• RQ5 이 프레임워크는 비가역적이고 비주기적인 구조를 가진 유한한 방향 그래프 상의 일반화된 무작위 보행에 적용 가능한가?

주요 결과

• 정보 깊이가 거의 확실하게 유한할 경우, 커널 $ p $ 와 호환되는 정적 과정에 대해 뒤로 향하는 공융 시간을 거의 확실하게 구성할 수 있다.
• 정보 깊이에 기반한 수정된 커플링 함수 $ \hat{f} $ 는 원래의 최대 커플링보다 더 약한 조건 하에서도 뒤로 향하는 공융을 보장한다. 이 함수는 $ |G|+1 $ 개의 균일 난수에 의존한다.
• 유한한 상태공간의 경우, 유도된 마르코프 커널이 유일하고 비주기적이며 비가역적인 클래스를 가진다면, 거의 확실한 뒤로 향하는 공융이 보장된다.
• 유한한 방향 그래프 $ \mathcal{G} = (G, \mathcal{A}) $ 상의 일반화된 무작위 보행에 대해 이 프레임워크를 적용할 수 있으며, 조건은 $ \sum_{n=1}^\infty \prod_{m=1}^n a_m = \infty $, $ \mathcal{G} $ 가 비가역적이고 비주기적이며, 각 $ g \in G $ 에 대해 $ (w,g) \notin \mathcal{A} $ 를 만족하는 $ w \in G $ 가 존재하는 것이다.
• 만약 $ a_1 = \dots = a_l = 0 $ 이고 $ a_{l+1} > 0 $ 라면, 이 방법은 $ G^{l+1} $ 상의 마르코프 커널로 확장되며, 공융 및 시뮬레이션 성질을 유지한다.