[論文レビュー] Coupling Power Laws Offers a Powerful Method for Problems such as Biodiversity and COVID-19 Fatality Predictions

Sam Ma|arXiv (Cornell University)|May 23, 2021

Data-Driven Disease Surveillance参考文献 28被引用数 5

ひとこと要約

本稿では、バイオダイバーシティやCOVID-19死亡者数の転換点といったパワー法則現象の予測を向上させるために、テイラーのパワー法則（TPL）と指数カットオフ付きパワー法則（PLEC）を組み合わせる新規手法を提案する。TPLの分散推定とPLECの漸近的飽和点予測を統合することで、長期間の傾向に対する信頼区間を提供し、重い尾を持つ複雑なシステムにおける予測精度を顕著に向上させる。

ABSTRACT

Power laws have been found to describe a wide variety of natural (physical, biological, astronomic, meteorological, geological) and man-made (social, financial, computational) phenomena over a wide range of magnitudes, although their underlying mechanisms are not always clear. In statistics, power law distribution is often found to fit data exceptionally well when the normal (Gaussian) distribution fails. Nevertheless, predicting power law phenomena is notoriously difficult because some of its idiosyncratic properties such as lack of well-defined average value, and potentially unbounded variance. TPL (Taylor's power law), a power law first discovered to characterize the spatial and/or temporal distribution of biological populations and recently extended to describe the spatiotemporal heterogeneities (distributions) of human microbiomes and other natural and artificial systems such as fitness distribution in computational (artificial) intelligence. The power law with exponential cutoff (PLEC) is a variant of power-law function that tapers off the exponential growth of power-law function ultimately and can be particularly useful for certain predictive problems such as biodiversity estimation and turning-point prediction for COVID-19 infection/fatality. Here, we propose coupling (integration) of TPL and PLEC to offer improved prediction quality of certain power-law phenomena. The coupling takes advantages of variance prediction using TPL and the asymptote estimation using PLEC and delivers confidence interval for the asymptote. We demonstrate the integrated approach to the estimation of potential (dark) biodiversity and turning point of COVID-19 fatality. We expect this integrative approach should have wide applications given the duel relationship between power law and normal statistical distributions.

研究の動機と目的

• バイオダイバーシティやパンデミック死亡曲線のような、高い分散と未定義の平均を持つパワー法則現象の予測の課題に対処すること。
• 従来のパワー法則モデルが漸近的飽和点の推定と信頼区間を欠いているという限界を克服すること。
• 一元的な枠組みの中で、分散モデル化にテイラーのパワー法則（TPL）を、漸近的飽和点推定に指数カットオフ付きパワー法則（PLEC）を統合すること。
• 本手法の有効性を、未検出のバイオダイバーシティの推定やCOVID-19パンデミックにおける転換点予測といった実世界の応用事例で示すこと。

提案手法

• 本手法は、集団分布の平均と分散の関係をモデル化するテイラーのパワー法則（TPL）を用い、スケール依存するばらつきを捉える。
• 指数カットオフ付きパワー法則（PLEC）を統合し、パワー法則の成長を段階的に減衰させ、漸近的飽和点の推定を可能にする。
• 組み合わせたモデルは、TPLを用いてデータの分散構造を推定し、PLECを用いて成長の減衰をモデル化することで、予測された漸近的飽和点の信頼区間を導出する。
• 時間的系列データ（バイオダイバーシティの個体数と累積COVID-19死亡者数）に本モデルを適合させ、長期的傾向を推定する。
• パワー法則の二重の性質（TPLによる重い尾の挙動、PLECによる有界な成長）を活用し、より高いロバストネスを実現する。
• 統計的推論を実施して、予測された漸近的飽和点の周囲に信頼区間を導出し、意思決定における信頼性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 TPLとPLECを組み合わせることで、バイオダイバーシティやパンデミック死亡者数のようなパワー法則現象における長期的傾向の予測が向上するか？
• RQ2 分散推定（TPL）と漸近的飽和点予測（PLEC）を統合することで、単独モデルに比べて長期予測に対する信頼性がどの程度向上するか？
• RQ3 結合モデルは、サンプリングの制限によって未検出のままの「ダークバイオダイバーシティ」をどの程度正確に推定できるか？
• RQ4 信頼区間を伴って、COVID-19死亡者数曲線の転換点を正確に予測できるか？
• RQ5 二重のモデリングフレームワークは、標準的なパワー法則モデルや指数関数的モデルに比べて、実世界のデータにおけるばらつきと飽和の両方をよりよく捉えられるか？

主な発見

• 結合されたTPL-PLECモデルは、累積COVID-19死亡者数の漸近的飽和点を信頼区間とともに正確に推定でき、信頼性の高い転換点予測を可能にした。
• 本手法は漸近的飽和点の信頼区間を提供するが、これは標準的なパワー法則モデルがこのような不確実性の定量化を欠いている点と比べて顕著な改善である。
• TPLの分散マッチング特性を活用して、希なサンプリングデータからも潜在的な（ダークな）バイオダイバーシティの推定に優れた性能を示した。
• TPLとPLECの統合は、重い尾を持ち、飽和するダイナミクスを示すシステムにおいて、単独で使用する場合よりもより安定的かつ正確な予測を実現した。
• 本手法は実世界のデータを用いて検証され、生物学的およびパンデミック系の両方で、加速的成長から平坦化への移行を的確に捉えていることが示された。
• 不確実性が無限大に発散するパワー法則現象であっても、カットオフ機構を組み合わせることで、ガウス分布の仮定に代わる信頼性の高いモデル化が可能であることが明らかになった。