[논문 리뷰] Some Spatial Point Processes of Poisson Family

Pradeep Vishwakarma|arXiv (Cornell University)|2026. 01. 23.

Point processes and geometric inequalities인용 수 0

한 줄 요약

논문은 일반화된 포아송 확률장(GPRF)과 그 부분적 변형들, thinning, 공간 Skellam형 프로세스, 양의 1사분면에서의 분수형 GPRF를 소개한다.

ABSTRACT

Spatial Poisson point processes on finite-dimensional Euclidean space provide fundamental mathematical tools for modeling random spatial point patterns. In this paper, we introduce and analyze several Poisson-type spatial point processes. In particular, we propose and study a point process, namely, the generalized Poisson random field (GPRF), in which more than one point can be observed with positive probability, within a rectangular region having infinitesimal Lebesgue measure. A thinning of the GPRF into independent GPRFs with reduced rate parameters is discussed. Furthermore, we consider these processes indexed by the positive quadrant of the plane and analyze their fractional variants. Various distributional properties of these processes and related governing differential equations are obtained. Later, we define and analyze a spatial Skellam-type point process via GPRF. Moreover, a fractional variant of it in the two parameter case is studied in detail.

연구 동기 및 목표

• 무한소 구역에서 다수의 점을 허용하는 포아송 유형 공간 점 프로세스를 동기화하고 형식화한다.
• 일반화된 포아송 확률장(GPRF)과 그 구조적 표현을 소개하고 분석한다.
• GPRF를 독립 성분으로 thinning하여 구조적 함의를 조사한다.
• 2-매개 공간 설정으로 확장하고 역 서브오디네이터와 Caputo 미분을 통해 분수 변형을 개발한다.
• GPRF로 구성된 공간 Skellam형 프로세스를 정의·분석하고 그 분수 변형을 탐구한다.

제안 방법

• 분포 Pr{M(A)=n} = sum_{Theta(k,n)} prod_{j=1}^k ((λ_j|A|)^n_j / n_j!) e^{-λ_j|A|}로 M(A)를 정의한다.
• M(A)가 독립 PRF의 가중합과 동일하게 분포된다는 것을 보이고 합성 포아송 표현을 얻는다.
• pgf G(z,A) = E[z^{M(A)}] = exp(sum_{j=1}^k λ_j|A|(z^j-1))와 관련 모멘트(E[M(A)], Var[M(A)], Cov(M(A),M(B)))를 도출한다.
• R^2_+에서 직사각형 증가를 갖는 2-매개 GPRF를 개발하고 미소분포(2.2)와 평균/공분산 구조를 제공한다.
• 독립적인 역 안정 서브오디네이터로 시간 변환하여 분수형 GPRF FGPRF를 형성하고, 일반화 Wright 함수(2.2) 및 관련 성질을 통해 p^{α,β}(n,s,t)를 얻는다.

실험 결과

연구 질문

• RQ1 무한소 영역 내 다수의 점을 허용하는 공간 카운팅 프로세스(GPRF)를 어떻게 구성하고 기본 분포 특성은 무엇인가?
• RQ2 GPRF를 thinning하면 구조에 어떤 영향을 미치며, 억제된 속도를 가진 독립 GPRF의 합으로 표현될 수 있는가?
• RQ3 R^2_+에서의 GPRF의 지배적인 미분방정식 및 분포 특성(pg f, 모멘트)은 무엇인가?
• RQ4 역 서브오디네이터와 Caputo 미분을 이용하여 GPRF의 분수 변형을 어떻게 정의하고 분석할 수 있는가?
• RQ5 GPRF를 통해 공간 Skellam형 프로세스를 어떻게 정의하고 그 분수 변형을 연구할 수 있는가?

주요 결과

• 일반화된 포아송 확률장(GPRF) M(A)는 PMF Pr{M(A)=n} = sum_{Theta(k,n)} prod_{j=1}^k ((λ_j|A|)^{n_j}/n_j!) e^{-λ_j|A|}.
• pgf는 G(z,A)=exp(sum_{j=1}^k λ_j|A|(z^j-1)); 평균 및 분산은 E[M(A)]=sum_{j=1}^k j λ_j|A|와 Var[M(A)]=sum_{j=1}^k j^2 λ_j|A|이며 Cov(M(A),M(B))=sum_{j=1}^k j^2 λ_j|A∩B|이다.
• R^2_+에서 M(s,t)는 직사각형 증가를 갖는 2-매개 Lévy 프로세스이며 무한소 분포는 Theta(k,n) 형태와 대응하는 평균/분산 구조를 가지며 pgf는 G(z,s,t)=exp(sum_{j=1}^k λ_j st (z^j-1))이다.
• 분수형 변형 FGPRF M^{α,β}(s,t)는 독립 역 안정 서브오디네이터를 통해 정의되며 상태 확률 p^{α,β}(n,s,t)는 일반화 Wright 함수 {}_2Ψ_2와 매개변수(α,β)를 포함하는 Θ(k,n)의 합으로 주어진다.
• thinning 결과는 GPRF 및 2-매개 PRF에도 확장되어 감소한 속도로 독립 구성요소를 생성하며 억제된 합은 포아송형 독립성을 유지한다.
• 공간 Skellam형 프로세스는 S(A)=sum_{i∈I} i M_i(A)로 독립적인 GPRF로부터 구성되며, 유한 차원 및 분수 변형이 분석된다.