[论文解读] Functional marked point processes -- A natural structure to unify spatio-temporal frameworks and to analyse dependent functional data

Ottmar Cronie, Mohammad Ghorbani+2 more|arXiv (Cornell University)|Nov 29, 2019

Point processes and geometric inequalities参考文献 21被引用 4

一句话总结

本文提出了功能标记点过程（FMPPs）作为统一的统计框架，通过将随机函数建模为时空点上的标记，整合了点过程、函数数据分析和地统计学。提出加权标记简化矩测度及其非参数估计器以分析功能标记中的依赖性，并在西班牙省份的人口统计数据和野生动物追踪数据上进行了验证。

ABSTRACT

This paper treats functional marked point processes (FMPPs), which are defined as marked point processes where the marks are random elements in some (Polish) function space. Such marks may represent e.g. spatial paths or functions of time. To be able to consider e.g. multivariate FMPPs, we also attach an additional, Euclidean, mark to each point. We indicate how FMPPs quite naturally connect the point process framework with both the functional data analysis framework and the geostatistical framework. We further show that various existing models fit well into the FMPP framework. In addition, we introduce a new family of summary statistics, weighted marked reduced moment measures, together with their non-parametric estimators, in order to study features of the functional marks. We further show how they generalise other summary statistics and we finally apply these tools to analyse population structures, such as demographic evolution and sex ratio over time, in Spanish provinces.

研究动机与目标

• 在单一概率结构下统一时空框架、功能数据分析与地统计建模。
• 通过建模具有功能标记的随机点过程，克服假设功能数据独立同分布的局限性。
• 开发能捕捉功能标记中依赖结构的汇总统计量，尤其适用于观测数量随机且位置随机生成的情形。
• 为新型汇总统计量提供非参数估计器，其推广了点过程与功能数据分析中的现有方法。
• 将该框架应用于真实世界数据，包括人口演变与动物运动轨迹，揭示时空依赖性。

提出的方法

• 将功能标记点过程（FMPPs）形式化为标记为波兰函数空间中随机元素的标记点过程，同时引入欧几里得标记以支持多变量分析。
• 提出加权标记简化矩测度作为一类新型汇总统计量，用于分析功能标记中的依赖性，推广了经典矩测度。
• 利用核平滑与空间加权函数推导这些统计量的非参数估计器，以处理边界效应与非平稳性。
• 应用闵可夫斯基差分与各向同性校正技术，处理具有功能标记的空间点过程估计中的边界效应。
• 运用条件概率测度与矩测度的乘积形式，推导在平稳性与遍历性假设下所提统计量的理论性质。
• 采用变换技术（如平移不变性）与富比尼定理，简化多变量矩积分，推导出可计算的表达式。

实验结果

研究问题

• RQ1 能否在点过程框架内更自然地建模具有随机大小与依赖分量的功能数据，而非假设独立同分布抽样？
• RQ2 在时空背景下，如何量化功能标记之间的依赖性，例如人口增长曲线或动物运动轨迹？
• RQ3 在观测数量随机的情况下，哪些汇总统计量适合捕捉功能标记中的时空依赖性？
• RQ4 在功能矩测度的非参数估计中，如何校正边界效应与边界偏差？
• RQ5 现有地统计学与功能数据分析模型在多大程度上可纳入FMPP框架？

主要发现

• FMPP框架通过将功能标记视为函数空间中的随机元素，成功统一了点过程、功能数据分析与地统计模型。
• 所提出的加权标记简化矩测度推广了经典矩测度，为分析功能标记中的依赖性提供了灵活工具。
• 推导出新统计量的非参数估计器，并在正则条件下证明其一致性，通过闵可夫斯基差分与各向同性加权引入边界效应校正项。
• 该方法正确处理了点数的随机性与空间依赖性，已在西班牙省份的人口统计数据与野生动物追踪数据中得到验证。
• 实证结果表明，FMPP框架揭示了1998至2017年间西班牙各省份性别比例与人口增长趋势中显著的时空依赖性。
• 该框架成功将动物运动轨迹建模为时空点过程上的功能标记，捕捉到了狼与驼鹿数据中的集体运动模式。