[논문 리뷰] Concerns with functional depth

James Kuelbs, Joel Zinn|arXiv (Cornell University)|2013. 09. 30.

Advanced Statistical Methods and Models참고 문헌 19인용 수 17

한 줄 요약

이 논문은 무한차원 공간에서 기능적 깊이 측정법—특히 투케이의 반공간 깊이와 단체 깊이—의 실패를 조사하며, 진짜 깊이가 양일 때 표본 깊이가 거의 확실히 0이 되는 것을 입증한다. 저자들은 데이터의 독립성과 유사한 구조로 인해 일致성이 실패함을 보이며, 의미 있는 깊이 추정을 복원하기 위해 스무딩이 필요할 수 있음을 제안한다.

ABSTRACT

We study some problems inherent with certain forms of functional depth, in particular, zero depth and lack of consistency.

연구 동기 및 목표

• 무한차원 데이터에 대한 기능적 깊이 측정법에서 0 깊이와 일치성 부족의 근본 원인을 규명하기.
• 반공간 깊이와 단체 깊이가 거의 확실히 양이거나 0이 되는 조건을 분석하기.
• 진짜 깊이가 양일 때조차도 표본 깊이 추정치가 거의 확실히 0이 되는 것을 입증하기.
• 독립성과 유사한 데이터의 구조가 깊이 일치성에 미치는 영향과 스무딩의 잠재적 역할 탐색하기.

제안 방법

• 무한차원 바나흐 공간에서 투케이의 반공간 깊이와 단체 깊이의 이론적 분석을 수행하며, 특히 무한차원 지지 집합을 가진 가우시안 측도를 고려한다.
• 표본 깊이 추정기의 수렴성을 연구하기 위해 U-통계량에 대한 대수의 법칙을 적용한다.
• 보렐-칸텔리 보조정리를 사용하여 고정된 $ a $에 대해 $ Z_{n,k}(a) = 0 $ 이 $ k $ 에서 무한히 자주 발생함을 보이며, 이는 $ ext{inf}_k Z_{n,k}(a) = 0 $ 이 거의 확실히 성립함을 의미한다.
• 라데마처 급수 尾 추정과 i.i.d. 수열의 성질을 사용하여 깊이의 양성 조건에 대한 명시적 공식을 유도한다.
• 사영 $ heta_k $ 를 통한 깊이 정의를 고려하며, $ heta_k(X) $ 를 $ bR^d $ 에 사영하고 $ bR^d $-값 사영에서의 깊이를 분석한다.
• 함수적 깊이 추정기로 $ k $ 에 대한 정규화된 단체 포함 수의 하한을 사용하며, 이는 진짜 깊이로 수렴하지 않음을 보여준다.

실험 결과

연구 질문

• RQ1 무한차원 공간의 어떤 점들에서 투케이의 반공간 깊이가 엄밀히 양이며, 언제 거의 확실히 0이 되는가?
• RQ2 진짜 깊이가 양일 때 표본 반공간 깊이가 왜 거의 확실히 0이 되는가?
• RQ3 i.i.d. 기능적 데이터의 독립성 구조가 표본 깊이가 0이 되는 데 어느 정도 기여하는가?
• RQ4 표본 깊이 추정기의 일치성을 복원할 수 있으며, 만약 가능하면 어떤 조건이나 수정을 통해 이루어지는가?
• RQ5 무한차원 설정에서 $ bR^rown $ 에서의 단체 깊이 성질은 반공간 깊이 성질과 어떻게 비교되는가?

주요 결과

• 진짜 반공간 깊이가 엄밀히 양이 되는 것은 특별한 점들의 집합에서만 가능하며, 그마저도 표본 깊이는 거의 확실히 0이다.
• i.i.d. 기능적 데이터에 대해 표본 단체 깊이 $ D_{ heta,n}(a) $ 는 진짜 깊이 $ D_ heta(a, u) $ 로 수렴하지 않으며, $ |D_{ heta,n}(a) - D_ heta(a, u)| = u(a) $ 이 거의 확실히 성립한다.
• $ Z_{n,k}(a) = 0 $ 일 확률은 $ P( heta_k(a) > \text{모든 } heta_k(X_j)) + P( heta_k(a) < \text{모든 } heta_k(X_j)) $ 보다 크며, 이는 지수적으로 감소하지만 여전히 양수이다.
• 보렐-칸텔리 보조정리에 의해 $ Z_{n,k}(a) = 0 $ 이 $ k $ 에서 무한히 자주 발생하므로, $ ext{inf}_k Z_{n,k}(a) = 0 $ 이 거의 확실히 성립하며, 이는 표본 깊이가 0이 되는 원인이다.
• 진짜 깊이 $ u(a) > 0 $ 이라도 표본 깊이 추정기는 이를 근사하지 못하므로, 기본적인 일치성 결여가 있음을 시사한다.
• 문제의 근본 원인은 데이터의 구성 요소 간의 독립성에서 기인하며, 일치성을 확보하기 위해 스무딩 또는 깊이 또는 데이터의 수정이 필요할 수 있음을 시사한다.