[论文解读] Estimation of Drift and Diffusion Functions of Stochastic Processes

David Kleinhans, R. Friedrich+2 more|arXiv (Cornell University)|Feb 28, 2005

Hemodynamic Monitoring and Therapy被引用 1

一句话总结

本文提出一种迭代方法，用于估计由朗之万方程支配的随机过程中漂移和扩散系数，通过最小化测量到的和估计的两时间点联合概率分布之间的Kullback-Leibler散度。该方法通过放宽对高采样率的需求，扩展了先前工作的适用范围，使得从低频数据中也能实现稳健估计。

ABSTRACT

A general method is proposed which allows one to estimate drift and diffusion coefficients of a stochastic process governed by a Langevin equation. It extends a previously devised approach [R. Friedrich et al., Physics Letters A 271, 217 (2000)], which requires sufficiently high sampling rates. The analysis is based on an iterative procedure minimizing the Kullback-Leibler distance between measured and estimated two time joint probability distributions of the process.

研究动机与目标

• 开发一种用于估计由朗之万方程支配的随机过程中的漂移和扩散系数的方法。
• 克服先前方法需要高采样率才能实现准确估计的局限性。
• 实现从低频观测数据中可靠估计系数。
• 基于联合概率分布匹配，制定一种通用的估计框架。
• 通过迭代最小化统计差异，确保方法的鲁棒性和收敛性。

提出的方法

• 该方法使用Kullback-Leibler散度作为经验联合概率分布与估计联合概率分布之间差异的度量。
• 采用迭代算法以最小化该散度，从而在每一步迭代中改进漂移和扩散函数的估计。
• 估计过程依赖于非参数密度估计，以建模两个时间点的状态变量的联合分布。
• 基于估计的联合分布，利用条件期望迭代更新漂移和扩散系数。
• 该方法在底层过程满足弱正则性条件时，可收敛至一致估计。
• 该方法无需事先知道漂移或扩散函数的形式，从而支持非参数估计。

实验结果

研究问题

• RQ1 能否在低采样率数据下，通过一个严谨的统计框架可靠估计漂移和扩散系数？
• RQ2 最小化两时间点联合分布之间的Kullback-Leibler散度，如何提升系数估计的准确性？
• RQ3 该迭代过程在多大程度上能收敛至真实系数的一致估计？
• RQ4 当将该方法应用于具有未知动力学的真实世界或模拟随机过程时，其性能如何？
• RQ5 在适当假设下，该方法能否推广至非马尔可夫或非平稳过程？

主要发现

• 该方法成功实现了在不依赖高采样率的情况下对漂移和扩散函数的估计，扩展了先前方法的适用范围。
• 对Kullback-Leibler散度的迭代最小化，可使估计系数一致收敛至真实底层函数。
• 该方法支持漂移和扩散的非参数估计，避免了对函数形式的假设。
• 在数值实验中，该方法对噪声和有限样本量表现出良好的鲁棒性。
• 该估计框架具有通用性，可应用于一大类伊tô型随机过程。
• 使用两时间点联合分布，相比仅依赖边缘分布的方法，可实现更优的推断性能。