[论文解读] Notes of the Summer School on Finite Set Statistics

Jérémie Houssineau, Emmanuel Delande+1 more|arXiv (Cornell University)|Aug 12, 2013

Soil Geostatistics and Mapping参考文献 2被引用 6

一句话总结

本文提供了有限集统计（FISST）所必需的测度与概率论基础概述，重点聚焦于多目标估计中的点过程。文章建立了σ-代数、测度以及拉普拉斯/概率生成函数（PGF）泛函等关键概念，并推导了独立同分布（i.i.d.）与更新点过程的方差表达式，表明即使目标数量的数学期望有限，非泊松分布的i.i.d.过程仍可能表现出任意高的局部方差。

ABSTRACT

This document contains the notes of some of the lectures given at the first summer school on Finite Set Statistics held in Edinburgh from July 22, 2013 to July 26, 2013. The notes are mostly self contained and are accessible to everyone.

研究动机与目标

• 建立多目标估计中有限集统计所需的测度与概率论数学框架。
• 定义并表征可测空间、σ-代数与测度，特别是Borel σ-代数与勒贝格测度。
• 引入点过程作为随机多目标构型的模型，采用拉普拉斯泛函与概率生成函数泛函（PGFl）。
• 推导更新点过程与i.i.d.点过程的一阶矩与方差表达式，突出非泊松行为特征。
• 证明尽管全局目标数的数学期望有限，i.i.d.过程仍可能表现出任意高的局部方差，挑战了泊松过程带来的直观认知。

提出的方法

• 通过思想实验（房间中的苍蝇）引出对可测集与σ-代数的需求，进而导出R^d上的Borel σ-代数。
• 在可测空间上定义测度与概率测度，以勒贝格测度作为典型示例。
• 引入简单函数及其勒贝格积分，将测度论推广至函数层面。
• 通过拉普拉斯泛函与PGFl将理论应用于点过程，利用泛函导数提取矩测度。
• 利用PGFl推导更新过程Φ₊的拉普拉斯泛函，并沿1_B方向两次求导以计算方差。
• 构造一系列i.i.d.过程，其局部方差与均值之比逐渐增大，证明存在方差可任意增长的过程。

实验结果

研究问题

• RQ1 我们如何在随机实验中数学化表达‘在那附近’？为避免巴拿赫-塔斯基悖论等，需要何种结构？
• RQ2 Borel σ-代数与勒贝格测度在多目标估计中连续空间上的概率定义中起何作用？
• RQ3 点过程的拉普拉斯泛函与PGFl如何与其一阶矩与阶乘矩测度相关联？
• RQ4 给定观测集合Z时，更新过程Φ₊在区域B的方差是多少？其如何依赖于检测与虚警强度？
• RQ5 i.i.d.点过程是否可能表现出任意高的局部方差，同时保持有限的全局目标数均值？

主要发现

• 更新过程Φ₊在区域B的方差可表示为背景项与依赖于检测与虚警似然性的信号项之和。
• 当i.i.d.过程的基数分布为泊松分布时，该过程退化为泊松过程，通过PGFl与已知泊松形式匹配得以验证。
• i.i.d.过程在区域B的方差为 var_Φ(B) = μ^(1)_Φ(B) + (μ^(1)_Φ(B))² [∑n(n−1)ρ_Φ(n)/ (∑nρ_Φ(n))² − 1]，表明其相对于泊松分布存在过度离散化。
• 对任意有限均值μ与任意C > 0，存在i.i.d.过程Φ_C，使得 var_Φ_C(B) ≥ μ^(1)_Φ_C(B) + C·λ(B)，证明局部方差可被任意放大。
• 对于一组i.i.d.过程，其方差与均值之比在λ(B)上的极限发散至无穷大，表明尽管全局均值有限，局部目标数仍可能完全不可靠。
• 这种反直觉行为与泊松过程形成鲜明对比——泊松过程中方差等于均值——表明i.i.d.过程可能导致高度不可靠的局部估计。