Poisson点過程(Poisson point process)とは、可測空間の上の $s$ 有限な測度 $\lambda$ に対し、各集合 $B$ の中の点の個数が平均 $\lambda(B)$ の Poisson 分布に従い、互いに素な集合の個数が独立であるような点過程のことである。分布は $\lambda$ でただ 1 つに決まる。写像・制限・独立な標識で閉じ、点ごとの和は Campbell の定理で、点に依存する量は Mecke の等式で計算できる。独立な稀な事象の和の極限として現れ、Lévy 過程のジャンプや極値の全体を表す。
Poisson点過程(Poisson point process)は、空間の上に「互いに独立に、平均の密度だけを決めて」ばらまいた点の集まりを表す確率モデルである。平均の密度にあたるものは測度 $\lambda$ で、集合 $B$ の中の点の個数は平均 $\lambda(B)$ の Poisson分布 に従い、重ならない集合の個数は独立である。
時間軸の上の到着時刻の Poisson過程 は特別な場合である。一般の空間で考えると、写像・標識・制限という操作でモデルが閉じ、計算のほとんどが 2 つの公式(Campbell の定理と Mecke の等式)に帰着する。Lévy過程 のジャンプの全体、極値理論 の大きい値の全体、平面の上のランダムな点配置は、どれもこの形である。
定義、存在、一意性、Laplace 汎関数は一般の点過程とともに 点過程 の定理「Poisson 過程の存在・一意性・Laplace 汎関数」に証明がある。この記事は、その先の使い方を受け持つ。
| 主張 | 内容 | この記事で |
|---|---|---|
| thm-ppp-campbell | 和の収束の判定と指数公式 | 証明する |
| thm-ppp-map | 写像と制限 | 証明する |
| thm-ppp-mark | 独立な標識 | 証明する |
| thm-ppp-mecke | Mecke の等式による特徴づけ(一般の強度) | 証明する |
| cor-ppp-var | 平均と分散 | 証明する |
| thm-ppp-limit | 稀な事象の和としての極限 | 証明する |
$(S,\mathcal{S})$ を可測空間とする。点過程の空間 $\mathbf{N}$ と $\Phi(B)$ の記号は 点過程 の定義「計数測度の空間と点過程」のとおりで、$\delta_x$ は 1 点 $x$ の Dirac測度 である。測度が s 有限 であるとは、有限な測度の可算個の和であることをいう。$\mathrm{Po}(a)$ は平均 $a\in[0,\infty]$ の Poisson 分布で、$\mathrm{Po}(\infty)$ は確率 $1$ で $\infty$ をとるものとする。
$\lambda$ を $S$ の上の s 有限な測度とする。$S$ の上の点過程 $\Phi$ が 強度測度 $\lambda$ の Poisson点過程 であるとは、次の 2 つが成り立つことをいう。
点過程 の同じ定理により、任意の s 有限な $\lambda$ についてこの点過程は存在し、分布はただ 1 つである。証明で使う次の形を引いておく。
名前について:本によっては強度が一般の測度のものも「Poisson 過程」と呼ぶ(LP17、点過程)。この記事では Poisson過程 の記事の 1 次元の計数過程と区別して「点過程」を付ける。
点ごとの量の和 $\int u\,d\Phi=\sum_{x\in\Phi}u(x)$ は、ショットノイズ、Lévy過程 の値、保険の総支払額など、応用の中心である。
$\Phi$ を強度 $\lambda$ の Poisson点過程とする。
1。 $Y:=\int u\,d\Phi\in[0,\infty]$ とおく。$s\downarrow0$ で $e^{-sY}\to\mathbf{1}\{Y< \infty\}$ なので、有界収束定理と Laplace 汎関数の式から
$$
P(Y< \infty)=\lim_{s\downarrow0}\exp\Bigl(-\int(1-e^{-su})\,d\lambda\Bigr)
$$
である。$0< s\le1$ と $v\ge0$ について、次の不等式を使う。
$$
(1-e^{-s})\min(v,1)\le1-e^{-sv}\le\min(v,1).
$$
左は、$v\ge1$ なら単調性、$v< 1$ なら $v\mapsto1-e^{-sv}$ の凹性による。右は $1-e^{-sv}\le\min(sv,1)$ による。
$\int\min(u,1)\,d\lambda< \infty$ なら、右の不等式を優関数として優収束定理を使える。$u$ は有限値なので $1-e^{-su}\to0$ で、積分は $0$ に近づき、$P(Y< \infty)=1$ である。$\int\min(u,1)\,d\lambda=\infty$ なら、左の不等式から各 $s>0$ で積分は $\infty$ で、$E[e^{-sY}]=0$ である。よって確率 $1$ で $Y=\infty$ である。
2。 $u^+,u^-$ に 1 を当てれば絶対収束がわかる。
まず $u=\sum_jc_j\mathbf{1}_{B_j}$($B_j$ は互いに素で $\lambda(B_j)< \infty$、$c_j\in\mathbb{R}$)とする。独立性と $E[e^{\mathrm{i}\theta cN}]=\exp(a(e^{\mathrm{i}\theta c}-1))$($N\sim\mathrm{Po}(a)$)から等式は成り立つ。
一般の $u$ について、絶対値を切り下げた単関数
$$
u_k:=\operatorname{sign}(u)\,\min\bigl(k,\,2^{-k}\lfloor2^k\lvert u\rvert\rfloor\bigr)\,\mathbf{1}\{\lvert u\rvert>1/k\}
$$
をとる。$\lvert u_k\rvert\le\lvert u\rvert$、$u_k\to u$ である。$\lambda(\lvert u\rvert>1/k)\le k\int\min(\lvert u\rvert,1)\,d\lambda< \infty$($k\ge1$)なので、$u_k$ は前段の形である。$\int\lvert u\rvert\,d\Phi< \infty$ の事象の上で、$\int u_k\,d\Phi\to\int u\,d\Phi$($\Phi$ についての優収束)である。右辺は $\lvert e^{\mathrm{i}\theta u_k}-1\rvert\le(\lvert\theta\rvert+2)\min(\lvert u\rvert,1)$ から優収束定理で収束する。$\square$
1 は LP17 Proposition 12.1(p. 111)にある。Poisson点過程の入門書としては Kin93 がある。平均だけの式は 点過程 の命題「Campbell の公式」で、これは Poisson でない点過程でも成り立つ。上の定理は Poisson 性を使う。
$0< \alpha$ とし、$S=(0,\infty)$、$\lambda(dx)=\alpha x^{-\alpha-1}dx$ とする。$\lambda((x,\infty))=x^{-\alpha}$ である。
$u(x)=x$ について $\int\min(x,1)\,\lambda(dx)$ は $\alpha< 1$ のとき有限で、$\alpha\ge1$ のとき無限である。よって $Y:=\int x\,\Phi(dx)$(点の座標の和)は、$\alpha< 1$ なら確率 $1$ で有限、$\alpha\ge1$ なら確率 $1$ で $\infty$ である。
$\alpha< 1$ のとき、部分積分で
$$
E[e^{-sY}]=\exp\Bigl(-\int_0^\infty(1-e^{-sx})\alpha x^{-\alpha-1}dx\Bigr)=\exp\bigl(-\Gamma(1-\alpha)s^\alpha\bigr)
$$
である。$s^\alpha$ の形から、$Y$ の独立なコピー $k$ 個の和は $k^{1/\alpha}Y$ と同じ分布に従い、$Y$ は 安定分布 に従う。同じ $\Phi$ の最大の点 $R$ は $P(R\le x)=P(\Phi((x,\infty))=0)=\exp(-x^{-\alpha})$ で、極値理論 の Fréchet 型である。
$\Phi$ を強度 $\lambda$ の Poisson点過程とする。
1:s 有限な測度の像は s 有限で、$\mathbf{N}(S)$ の元の像は $\mathbf{N}(S')$ の元である。$B'\in\mathcal{S}'$ について $T(\Phi)(B')=\Phi(T^{-1}B')\sim\mathrm{Po}(\lambda(T^{-1}B'))$ である。$B_j'$ が互いに素なら $T^{-1}B_j'$ も互いに素なので、個数は独立である。
2:各 $\Phi_{C_j}$ が定義の 2 条件を満たすのは、$\Phi(B\cap C_j)$ を見ればわかる。独立性を示す。$\sigma$ 集合族 $\sigma(\Phi_{C_j})$ は $\{\Phi(B\cap C_j):B\in\mathcal{S}\}$ で生成される。有限個の組 $B_{j,l}$ について、各 $j$ で細分して $B_{j,l}\cap C_j$ を互いに素な集合の和にしておくと、$j$ が違う集合も互いに素なので、定義の条件 2 から全部の個数が独立である。Dynkinのπ-λ定理 で独立性が生成元から $\sigma$ 集合族に広がる。$\square$
1 は LP17 Theorem 5.1(p. 38)である。点の重なりを許す定義なので、$\lambda\circ T^{-1}$ に原子があってもよい。たとえば $T$ が定数なら、像は 1 点に $\mathrm{Po}(\lambda(S))$ 個の点が乗ったものである。
時間の変更。 $\lambda$ を $[0,\infty)$ の上の測度とし、$\Lambda(t):=\lambda([0,t])$ が有限で連続、$\Lambda(0)=0$、$\Lambda(t)\to\infty$ とする。$\lambda\circ\Lambda^{-1}$ は $[0,\infty)$ の Lebesgue 測度である。実際 $\lambda(\Lambda^{-1}[0,y])=y$ である。よって $\Lambda(\Phi)$ は強度 $1$ の Poisson点過程で、点の間隔は独立な指数分布に従う(Poisson過程)。
最近傍距離。 $\Phi$ を $\mathbb{R}^d$ の強度 $c$ の一様な Poisson点過程、$\kappa_d$ を単位球の体積とする。$T(x):=\kappa_d\lvert x\rvert^d$ による像の強度は $[0,\infty)$ の上の $c\,\mathrm{Leb}$ である。したがって原点から $k$ 番目に近い点までの距離を $R_k$ とすると、$\kappa_dR_k^d$ は独立な平均 $1/c$ の指数分布の $k$ 個の和である。とくに $P(R_1>r)=e^{-c\kappa_dr^d}$ で、$d=2$ のとき $E[R_1]=\int_0^\infty e^{-c\pi r^2}dr=\frac1{2\sqrt c}$ である。
点の位置に独立な付加情報を付けても、Poisson 性は保たれる。$(M,\mathcal{M})$ を可測空間、$K$ を $S$ から $M$ への確率核とする。$\Phi=\sum_{n\le\kappa}\delta_{X_n}$ と表されているとき、$(X_n)$ と $\kappa$ が与えられた条件のもとで独立に $Y_n\sim K(X_n,\cdot)$ をとることを $K$ 標識 といい、$\Psi:=\sum_{n\le\kappa}\delta_{(X_n,Y_n)}$ とおく。$\lambda\otimes K$ を $(\lambda\otimes K)(dx,dy):=\lambda(dx)K(x,dy)$ で定める。
$\lambda$ が s 有限で、$\Phi$ が rem-ppp-basic の構成と重ね合わせで作られているとき、$\Psi$ は $S\times M$ の上の強度 $\lambda\otimes K$ の Poisson点過程である。
$0< c=\lambda(S)< \infty$ の場合、組 $(X_n,Y_n)$ は独立に同じ分布 $Q\otimes K$($Q=\lambda/c$)に従い、$\kappa$ と独立である。$(\lambda\otimes K)(S\times M)=c$ なので、これは rem-ppp-basic の構成そのものである。一般の場合は有限の場合の独立な和で、$\lambda\otimes K=\sum_i\lambda_i\otimes K$ と重ね合わせによる。$\square$
分布だけが必要なら、Poisson点過程の分布は一意なので、作り方は問題でない。LP17 Theorem 5.6(p. 42)は Laplace 汎関数で示す。
色分け。 $M=\{1,\dots,r\}$、$K(x,\{j\})=p_j(x)$ とする。thm-ppp-map の 2 を $S\times\{j\}$ に当てて 1 で射影すると、色 $j$ の点は独立に強度 $p_j\lambda$ の Poisson点過程である。
M/G/$\infty$。 到着時刻を $\mathbb{R}$ の上の強度 $c$ の一様な Poisson点過程とし、独立に分布 $G$(平均 $m< \infty$)のサービス時間を標識として付ける。待ち行列理論 のサーバが無限にある待ち行列である。時刻 $t$ にサービス中の客は $\{(x,y):x\le t< x+y\}$ の中の点なので、その人数は平均
$$
\int_{-\infty}^t c\,G((t-x,\infty))\,dx=c\int_0^\infty G((v,\infty))\,dv=cm
$$
の Poisson 分布に従う。サービス時間の分布の形によらない。
$\lambda$ を s 有限な測度、$\Phi$ を $S$ の上の点過程とする。$\Phi$ が強度 $\lambda$ の Poisson点過程であるための必要十分条件は、すべての可測な $f\colon S\times\mathbf{N}\to[0,\infty]$ について
$$
E\Bigl[\int f(x,\Phi)\,\Phi(dx)\Bigr]=\int E\bigl[f(x,\Phi+\delta_x)\bigr]\,\lambda(dx)
$$
が成り立つことである。
必要性。 両辺は $\Phi$ の分布で決まるので、$\Phi=\sum_i\Phi_i$($\Phi_i$ は独立に有限な強度 $\lambda_i$)としてよい。$\Phi^{(i)}:=\sum_{j\ne i}\Phi_j$ は $\Phi_i$ と独立である。$\lambda_i$ については 点過程 の定理「Mecke の等式」があり、$\mu\in\mathbf{N}$ を固定して $(x,\nu)\mapsto f(x,\nu+\mu)$ に当て、$\mu=\Phi^{(i)}$ で積分すると(Fubini の定理)
$$
E\Bigl[\int f(x,\Phi)\,\Phi_i(dx)\Bigr]=\int E\bigl[f(x,\Phi+\delta_x)\bigr]\,\lambda_i(dx)
$$
である。$i$ について和をとる($\Phi(dx)=\sum_i\Phi_i(dx)$)。
十分性。 $B_1,\dots,B_m$ を互いに素で $\lambda(B_j)< \infty$ の集合、$k_1\ge1$、$k_2,\dots,k_m\ge0$ とし、$N_j:=\Phi(B_j)$ とする。
$$
f(x,\mu):=\mathbf{1}_{B_1}(x)\prod_j\mathbf{1}\{\mu(B_j)=k_j\}
$$
を代入する。左辺は $E[N_1\mathbf{1}\{N_j=k_j\ (\forall j)\}]=k_1P(N_j=k_j\ (\forall j))$ である。右辺では $x\in B_1$ のとき $\Phi+\delta_x$ の $B_1$ の個数が $1$ 増えるので
$$
k_1P(N_1=k_1,N_2=k_2,\dots)=\lambda(B_1)P(N_1=k_1-1,N_2=k_2,\dots)
$$
である。この漸化式から $P(N_1=k_1,N_2=k_2,\dots)=\frac{\lambda(B_1)^{k_1}}{k_1!}P(N_1=0,N_2=k_2,\dots)$ である。$f=\mathbf{1}_{B_1}$ を代入すると $E[N_1]=\lambda(B_1)< \infty$ なので $N_1$ は有限である。よって $k_1$ で和をとれば、$(N_2,\dots,N_m)$ の分布と独立に $N_1\sim\mathrm{Po}(\lambda(B_1))$ である。添字を順にずらして、$N_1,\dots,N_m$ が独立で各 $N_j\sim\mathrm{Po}(\lambda(B_j))$ であることを得る。
$\lambda(B)=\infty$ の集合については、$f(x,\mu)=\mathbf{1}_B(x)\mathbf{1}\{\mu(B)=k\}$($k\ge1$)を代入すると、左辺は $kP(\Phi(B)=k)< \infty$、右辺は $\infty\cdot P(\Phi(B)=k-1)$ である。よって $P(\Phi(B)=k-1)=0$ がすべての $k$ で成り立ち、$\Phi(B)=\infty$ が確率 $1$ で成り立つ。定数の確率変数は何とでも独立なので、定義の 2 条件が示された。$\square$
定理は LP17 Theorem 4.1(p. 27)による。必要性の証明は同書の多変数の形を経由するが、ここでは強度が有限な場合に帰着した。
右辺の $\Phi+\delta_x$ は、「$x$ に点があると条件づけても、残りの点の分布は $\Phi$ のまま」と読める。定常な場合のこの読み方が Mecke–Slivnyak の定理である(LP17 §9.2、Theorem 9.4)。Palm 分布の定義とこの定理の証明は Palm分布 にある。
$u\colon S\to\mathbb{R}$ が $u\in L^1(\lambda)\cap L^2(\lambda)$ なら、$E\int u\,d\Phi=\int u\,d\lambda$、$\operatorname{Var}\int u\,d\Phi=\int u^2\,d\lambda$ である。
まず $u\ge0$ とする。$f(x,\mu):=u(x)$ で平均の式を得る。$f(x,\mu):=u(x)\int u\,d\mu$ を代入すると
$$
E\Bigl[\Bigl(\int u\,d\Phi\Bigr)^2\Bigr]=\int u(x)E\Bigl[\int u\,d\Phi+u(x)\Bigr]\lambda(dx)=\Bigl(\int u\,d\lambda\Bigr)^2+\int u^2\,d\lambda
$$
である。一般の $u=u^+-u^-$ については、$\int u^+d\Phi$ と $\int u^-d\Phi$ が互いに素な集合の上の制限の積分なので thm-ppp-map の 2 により独立で、分散は足し算になる。$\square$
$\Phi$ を $\mathbb{R}^d$ の強度 $c$ の一様な Poisson点過程、$B$ を有界 Borel 集合、$r>0$ とする。$B$ の中の点で、半径 $r$ 以内にほかの点がないものの個数 $I$ の平均は、$f(x,\mu):=\mathbf{1}_B(x)\mathbf{1}\{\mu(\mathbb{B}(x,r)\setminus\{x\})=0\}$ を代入すると
$$
E[I]=\int_BP\bigl(\Phi(\mathbb{B}(x,r)\setminus\{x\})=0\bigr)\,c\,dx=c\lvert B\rvert e^{-c\kappa_dr^d}
$$
である。$\Phi$ の相関を手で扱わずに計算できる。
Poisson点過程が普遍的に現れる理由は、Poisson分布 の少数の法則の点過程版である。
$\lambda$ を $S$ の上の測度とする。各 $n$ について $X_{n,1},\dots,X_{n,n}$ を独立に $S$ の上の確率測度 $P_n$ に従う確率変数とし、$\Phi_n:=\sum_{i\le n}\delta_{X_{n,i}}$ とする。互いに素な $B_1,\dots,B_m\in\mathcal{S}$ について $nP_n(B_j)\to\lambda(B_j)< \infty$($n\to\infty$)なら、$(\Phi_n(B_1),\dots,\Phi_n(B_m))$ は独立な $\mathrm{Po}(\lambda(B_j))$ の組に分布収束する。
$p_j:=P_n(B_j)$、$a_j:=\lambda(B_j)$、$k:=k_1+\dots+k_m$ とすると
$$
P\bigl(\Phi_n(B_j)=k_j\ (\forall j)\bigr)=\frac{n!}{(n-k)!\,\prod_jk_j!}\prod_jp_j^{k_j}\Bigl(1-\sum_jp_j\Bigr)^{n-k}
$$
である。$n!/(n-k)!\sim n^k$ と $np_j\to a_j$ から、$\prod_j(np_j)^{k_j}/k_j!\to\prod_ja_j^{k_j}/k_j!$ で、$(1-\sum_jp_j)^{n-k}\to e^{-\sum_ja_j}$ である。$\square$
たとえば $S=[0,\infty)$、$P_n$ を $[0,n]$ の一様分布とすれば、$n$ 個の一様な点は強度 $1$ の Poisson点過程に近づく。$(X_{n,i})$ を $(X_i-b_n)/a_n$ にとると、大きい値の全体の極限になる。極値理論 の定理「超過点の Poisson 極限」がそれで、$\lambda((x,\infty))=-\log G(x)$ である。
実数直線の上では、最大の点の分布は個数の式から直ちに書ける。$\lambda((x,\infty))=:\tau(x)< \infty$ なら、$k$ 番目に大きい点を $R_k$ として
$$
P(R_k\le x)=P\bigl(\Phi((x,\infty))\le k-1\bigr)=e^{-\tau(x)}\sum_{j=0}^{k-1}\frac{\tau(x)^j}{j!}
$$
である。
| 主張 | 外す条件 | 例 | 成り立たなくなること |
|---|---|---|---|
| thm-ppp-campbell の 1 | $u$ が有限値 | $u=\infty\cdot\mathbf{1}_A$、$0< \lambda(A)< \infty$ | $\int\min(u,1)\,d\lambda=\lambda(A)< \infty$ だが、$\int u\,d\Phi=\infty$ の確率は $1-e^{-\lambda(A)}$ で、$0$ でも $1$ でもない |
| thm-ppp-mark | 標識の条件つき独立性 | 公平な硬貨 1 枚を全部の点に共通の標識にする($c=\lambda(S)>0$) | $\Psi(S\times\{0\})$、$\Psi(S\times\{1\})$ の片方は必ず $0$ で、独立でなく、ex-ppp-mark の色分けの結論が成り立たない |
| thm-ppp-mecke の十分性 | $f$ が $\mu$ にもよること | $f(x,\mu)=u(x)$ だけなら、二項過程でも等式が成り立つ(Campbell の公式) | 等式は成り立つが $\Phi$ は Poisson でない |
| thm-ppp-limit | 点の独立性 | $X_{n,1}\sim P_n$、$X_{n,i}=X_{n,1}$、$nP_n(B)\to\lambda(B)\in(0,\infty)$ | $\Phi_n(B)\in\{0,n\}$ で、$P(\Phi_n(B)=0)\to1$ となり、$\mathrm{Po}(\lambda(B))$ に収束しない |
| thm-ppp-limit | $nP_n(B)$ の収束 | $P_n=P$ が $n$ によらず $P(B)>0$ | $\Phi_n(B)\to\infty$ で、個数の分布の極限は確率分布にならない |
Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する