[论文解读] Functional Central Limit Theorem For Susceptible-Infected Process On Configuration Model Graphs

Wasiur R. KhudaBukhsh, Casper Woroszylo+2 more|arXiv (Cornell University)|Mar 18, 2017

Complex Network Analysis Techniques参考文献 45被引用 8

一句话总结

本文建立了配置模型随机图上易感-感染（SI）流行病过程的函数中心极限定理（FCLT）。随着顶点数的增加，易感者、感染者、SI边和SS边的归一化计数弱收敛于一个连续的高斯向量半鞅，为复杂网络上的流行病动力学提供了扩散近似。

ABSTRACT

We study a stochastic compartmental susceptible-infected (SI) epidemic process on a configuration model random graph with a given degree distribution over a finite time interval $[0,T],$ for some $ T>0$. In this setting, we split the population of graph nodes into two compartments, namely, $S$ and $I$, denoting the susceptible and infected nodes, respectively. In addition to the sizes of these two compartments, we study counts of $SI$-edges (those connecting a susceptible and an infected node) and $SS$-edges (those connecting two susceptible nodes). We describe the dynamical process in terms of these counts and present a functional central limit theorem (FCLT) for them, a scaling limit of the dynamical process as $n$, the number of nodes in the random graph, grows to infinity. To be precise, we show that these counts, when appropriately scaled, converge weakly to a continuous Gaussian vector martingale process the usual Skorohod space of real 3-dimensional vector-valued \cadlag\, functions on $[0,T]$ endowed with the Skorohod topology. We assume certain technical requirements for this purpose. We discuss applications of our FCLT in percolation theory (from a non-equilibrium statistical mechanics point of view), and in computer science in the context of spread of computer viruses. We also provide simulation results for some common degree distributions.

研究动机与目标

• 推导配置模型（CM）随机图上SI流行病过程的函数中心极限定理（FCLT）。
• 在有限时间的随机过程中，对易感/感染个体与边类型（SI、SS）的联合动态进行建模。
• 建立围绕函数大数定律（FLLN）极限的归一化波动的弱收敛性，收敛于一个高斯半鞅。
• 为稀疏、异质网络上的随机流行病动力学提供严格的缩放极限。
• 通过扩散近似，支持渗流理论与计算机病毒建模的应用。

提出的方法

• 通过聚合状态变量描述该过程：$X_S(t)$（易感者计数）、$X_{SI}(t)$（SI边计数）和 $X_{SS}(t)$（SS边计数，重复计数）。
• 分析波动过程 $Y(t) = \sqrt{n}(n^{-1}X(t) - x(t))$，其中 $x(t)$ 是常微分方程组的 FLLN 极限解。
• 应用关于局部平方可积鞅的 Rebolledo 定理，要求预测的和可选的二次变差过程收敛。
• 证明依赖于验证三个条件：预测二次变差 $\langle M_n \rangle \to V$ 的收敛性、可选二次变差 $[M_n] \to V$ 的收敛性，以及跳跃贡献的可忽略性 $\langle M_n^{(\epsilon)} \rangle \to 0$。
• 极限过程是 Skorohod 空间 $D^{(3)}$ 中右连左极函数在 $[0,T]$ 上的三维连续高斯向量半鞅。
• 对度分布和初始条件的技术假设确保在一般设定下实现收敛。

实验结果

研究问题

• RQ1 在配置模型图上，易感个体与SI/SS边的联合过程在网络规模增大时是否满足函数中心极限定理？
• RQ2 SI流行病过程在其流体极限周围的波动能否由扩散过程近似？
• RQ3 FCLT 成立的度分布和初始状态的必要与充分条件是什么？
• RQ4 边类型计数（SI 与 SS）如何贡献于流行病传播的扩散近似？
• RQ5 极限高斯过程能否用于建模现实世界现象，如计算机病毒传播或渗流？

主要发现

• 归一化过程 $\sqrt{n}(n^{-1}X(t) - x(t))$ 在 $[0,T]$ 上的 Skorohod 拓扑下弱收敛于一个连续的高斯向量半鞅。
• 极限过程具有连续且确定性的预测二次变差矩阵 $V(t)$，其增量为半正定。
• 在度分布的技术条件（包括二阶矩有限和初始配置的正则性）下，该收敛性成立。
• FCLT 适用于一般度分布，包括幂律分布和泊松分布，仿真结果已验证其有效性。
• 极限高斯过程捕捉了组分大小与边类型的联合波动，支持流行病动力学的统计推断与模拟。
• 该结果为网络流行病学与渗流理论中的扩散近似提供了严格的理论基础。