📊 statistics

A Class of Higher-Order INAR Random Fields for Poisson Counts and Beyond

यह शोध पत्र संयुक्त INAR (CINAR) रैंडम फील्ड्स का एक नया वर्ग प्रस्तावित करता है जो डिस्क्रीट सेल्फ-डीकंपोजेबल मार्जिनल डिस्ट्रीब्यूशन (जैसे पॉइसन या नेगेटिव-बाइनोमियल) के लचीले विनिर्देश को सक्षम करके और लाइक्लीहुड इन्फरेंस के लिए सुलभ कंडीशनल प्रोबेबिलिटीज प्रदान करके मौजूदा मॉडलों की सीमाओं को दूर करता है, जिसमें कृषि डेटा पर पैरामीटर अनुमान विधियों और व्यावहारिक अनुप्रयोगों का प्रदर्शन किया गया है।

मूल लेखक: Christian H. Weiß, Angelika Silbernagel

प्रकाशित 2026-05-15

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Christian H. Weiß, Angelika Silbernagel

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक विशाल शतरंज के बोर्ड (checkerboard) को देख रहे हैं, जैसे कि एक खेत जो सैकड़ों छोटे वर्गाकार भूखंडों में विभाजित है। प्रत्येक वर्ग में, आप कुछ गिनते हैं: शायद गेहूं के बीजों की संख्या या देखे गए पक्षियों की संख्या। इसे सांख्यिकीविद "काउंट रैंडम फील्ड" (count random field) कहते हैं।

लंबे समय से, वैज्ञानिक गणितीय मॉडल बनाने की कोशिश कर रहे हैं ताकि वे अनुमान लगा सकें कि उनके काउंट्स (गिनती) अपने पड़ोसियों से कैसे संबंधित हैं। यदि एक भूखंड में बहुत अधिक गेहूं है, तो क्या उसके बगल वाले भूखंड में भी बहुत अधिक होगा? इस काम के लिए उपयोग किए जाने वाले मानक उपकरण INAR मॉडल (Integer-valued Autoregressive models) कहलाते हैं। इन्हें एक ऐसी रेसिपी के रूप में सोचें जहाँ वर्तमान वर्ग का काउंट उसके पड़ोसियों के काउंट का एक "थिनड" (thinning/छना हुआ) संस्करण है, साथ ही इसमें कुछ नए यादृच्छिक आश्चर्य (जैसे हवा का अचानक झोंका या अतिरिक्त बारिश का एक पैच) भी जुड़े हुए हैं।

हालाँकि, पुराने व्यंजनों में एक बड़ी खामी थी: उन्हें बनाना बहुत कठिन था।
जबकि वे इस बात को समझाने में अच्छे थे कि पड़ोसी एक-दूसरे को कैसे प्रभावित करते हैं, यह पता लगाना अविश्वसनीय रूप से कठिन था कि डेटा का अंतिम "स्वाद" (सांख्यिकीय वितरण/statistical distribution) वास्तव में क्या होगा। यह एक केक बनाने की कोशिश करने जैसा था जहाँ आप जानते तो थे कि मिश्रण कैसे करना है, लेकिन आपको यह नहीं पता था कि परिणाम स्पंज केक होगा, ब्राउनी होगा या ईंट। इस कारण यह जांचना बहुत कठिन हो गया था कि क्या मॉडल वास्तवं में काम कर रहा है या विशिष्ट परिणामों की संभावनाओं की गणना करना मुश्किल था।

नया समाधान: "CINAR" मॉडल

इस शोध पत्र के लेखकों ने एक नई, स्मार्ट रेसिपी प्रस्तावित की है जिसे CINAR (Combined INAR) कहा जाता है।

यहाँ सरल उपमा दी गई है:

पुराना तरीका (INAR): कल्पना कीजिए कि आप एक स्मूदी बना रहे हैं। आप पड़ोसी के कटोरे से स्ट्रॉबेरी का एक स्कूप लेते हैं, उनके पीछे वाले पड़ोसी से एक स्कूप, और तिरछे (diagonal) पड़ोसी से एक स्कूप। आप इन तीनों को एक विशेष ब्लेंडर में मिलाते हैं, फिर अपना फल जोड़ते हैं। समस्या यह है कि इस विशिष्ट तरीके से तीन अलग-अलग स्कूप मिलाने से यह जानना असंभव हो जाता है कि अंतिम स्मूदी का स्वाद कैसा होगा (गणित बहुत जटिल हो जाता है)।
नया तरीका (CINAR): आपके पास अभी भी वही तीन पड़ोसी हैं। लेकिन एक साथ तीनों को मिलाने के बजाय, आप एक विशेष पासा (die) फेंकते हैं। पासा आपको बताता है कि केवल एक पड़ोसी के स्कूप को चुनने के लिए। आप उस एक स्कूप को लेते हैं, उसे थोड़ा छानते हैं (जैसे बीज निकालना), अपना फल जोड़ते हैं, और आपका काम पूरा हो जाता है।

यह बेहतर क्यों है?

अनुमानित स्वाद: क्योंकि आप एक बार में केवल एक पड़ोसी का योगदान मिला रहे हैं, अब आप गणितीय रूप से यह सिद्ध कर सकते हैं कि आपकी अंतिम स्मूदी का स्वाद वास्तव में कैसा होगा। आप गारंटी दे सकते हैं कि आपका डेटा पॉइसन वितरण (Poisson distribution - एक सामान्य पैटर्न) या नेगेटिव बाइनोमियल वितरण (Negative Binomial distribution - अधिक विविधता वाले पैटर्न) जैसा दिखेगा, बस सही "सामग्री" (यादृच्छिक आश्चर्य) चुनकर।
आसान गणित: विशिष्ट परिणामों की संभावनाओं की गणना करना बहुत सरल है। पुराने मॉडल में, आपको संभावनाओं को समझने के लिए एक जटिल "ट्रिपल कॉन्वोल्यूशन" (एक भारी गणितीय ऑपरेशन) करना पड़ता था। नए मॉडल में, आप केवल एक एकल, सरल गणना करते हैं। यह मॉडल को वास्तविक डेटा पर फिट करने के लिए बहुत तेज़ और आसान बनाता है।

उन्होंने क्या किया?

लेखकों ने केवल रेसिपी का आविष्कार नहीं किया; उन्होंने इसका पूरी तरह से परीक्षण किया:

गणित: उन्होंने यह सिद्ध किया कि यह नया मॉडल इस मामले में पुराने मॉडलों की तरह ही व्यवहार करता है कि पड़ोसी एक-दूसरे को कैसे प्रभावित करते हैं (ऑटोकोरिलेशन), लेकिन इसके साथ गणितीय पारदर्शिता का लाभ भी जुड़ा है।
सिमुलेशन: उन्होंने यह देखने के लिए हजारों नकली चेकरबोर्ड बनाए कि वे नियमों का वापस अनुमान लगा सकते हैं या नहीं। उन्होंने पाया कि जबकि सरल अनुमान लगाने के तरीके आसान मामलों में ठीक काम करते थे, एक अधिक उन्नत विधि जिसे कंडीशनल मैक्सिमम लाइकलीहुड (CML) कहा जाता है, चैंपियन थी। इसने लगभग हर बार सही नियमों को खोजा, जबकि सरल तरीके जटिल डेटा होने पर अक्सर भ्रमित हो जाते थे।
वास्तविक दुनिया का परीक्षण: उन्होंने अपने नए मॉडल को एक वास्तविक डेटासेट पर लागू किया: 1942 के एक कृषि प्रयोग से गेहूं की उपज।
- उन्होंने 25 गुणा 80 भूखंडों के ग्रिड को देखा।
- उन्होंने पाया कि गेहूं की गिनती बहुत नियमित (पॉइसन वितरण की तरह) थी।
- उन्होंने नया CINAR मॉडल आजमाया। यह पाया गया कि मॉडल का एक थोड़ा सरल संस्करण (तिरछे पड़ोसियों को अनदेखा करते हुए) सबसे अच्छा काम करता है।
- जब उन्होंने बचे हुए हिस्सों (errors) की जाँच की, तो मॉडल ने गेहूं के डेटा में लगभग सभी पैटर्नों को सफलतापूर्वक समझा दिया था।

मुख्य निष्कर्ष (The Bottom Line)

यह शोध पत्र ग्रिड-आधारित काउंट डेटा (जैसे फसल, बीमारी के मामले, या जानवरों की गिनती) का विश्लेषण करने के लिए एक नया उपकरण पेश करता है। यह पुराने उपकरणों के सबसे अच्छे हिस्सों (पड़ोसी संबंधों को संभालने के तरीके) को बरकरार रखता है, लेकिन सबसे बड़ी सिरदर्दी (अंतिम डेटा पैटर्न की भविष्यवाणी करने में असमर्थता और गणनाओं की कठिनाई) को ठीक कर देता है।

लेखक निष्कर्ष निकालते हैं कि यह नया CINAR परिवार एक "वर्कहॉर्स" (विश्वसनीय कार्य करने वाला) मॉडल है: यह विश्वसनीय है, उपयोग में आसान है, और शोधकर्ताओं को उनके ग्रिड डेटा में क्या हो रहा है, इसकी बहुत स्पष्ट तस्वीर देता है। वे यह भी सुझाव देते हैं कि इस विचार को भविष्य में अधिक जटिल ग्रिड आकृतियों या ऐसे डेटा को संभालने के लिए विस्तारित किया जा सकता है जो नकारात्मक हो सकता है (हालांकि वर्तमान पेपर केवल सकारात्मक काउंट्स पर केंद्रित है)।

तकनीकी सारांश: पॉइसन काउंट्स और उससे आगे के लिए उच्च-क्रम (Higher-Order) INAR रैंडम फील्ड्स का एक वर्ग

समस्या विवरण
काउंट रैंडम फील्ड्स के लिए मौजूदा पूर्णांक-मान वाले ऑटोरेग्रेसिव (INAR) मॉडल, जैसे कि INAR(1, 1) और इसके उच्च-क्रम विस्तार (INAR( $p_1, p_2$ )), महत्वपूर्ण सैद्धांतिक और गणनात्मक सीमाओं का सामना करते हैं। विशेष रूप से, ये मॉडल स्थिर मार्जिनल वितरण (stationary marginal distribution) को चित्रित करने और सशर्त संभावनाओं (conditional probabilities) की गणना करने में कठिनाइयों का सामना करते हैं, जो लाइकलीहुड-आधारित अनुमान (likelihood-based inference) के लिए आवश्यक हैं। मुख्य समस्या प्रत्येक ग्रिड बिंदु $(s, t)$ पर लागू होने वाले कई द्विपद थिनिंग (binomial thinning) ऑपरेशनों से उत्पन्न होती है। यह जटिलता मानक INAR पुनरावृत्तियों (recursions) में क्लोज्ड-फॉर्म व्यंजकों (closed-form expressions) के व्युत्पन्न होने को रोकती है, जिससे यह स्पष्ट नहीं हो पाता कि वांछित मार्जिनल वितरण (जैसे पॉइसन या नेगेटिव बाइनोमियल) प्राप्त करने के लिए नवाचारों (innovations) को कैसे निर्दिष्ट किया जाए, जबकि वांछित ऑटोरेग्रेसिव निर्भरता संरचना को बनाए रखा जा सके। जबकि इंटीजर-वैल्यूड मूविंग एवरेज (INMA) मॉडल पॉइसन मार्जिनल्स को समायोजित कर सकते हैं, उनमें ऑटोरेग्रेसिव प्रक्रियाओं की विशेषता वाला क्रमिक मेमोरी क्षय (gradual memory decay) का अभाव होता है, जो अक्सर वास्तविक दुनिया के स्थानिक डेटा के लिए बेहतर होता है।

कार्यप्रणाली (Methodology)
इन सीमाओं को दूर करने के लिए, लेखक कंबाइंड INAR (CINAR) रैंडम फील्ड्स नामक एक नवीन मॉडल वर्ग प्रस्तावित करते हैं। यह दृष्टिकोण टाइम-सीरीज विश्लेषण (Weiß, 2008b; Zhu and Joe, 2006) से CINAR अवधारणा को स्थानिक डोमेन (spatial domain) में अनुकूलित करता है।

CINAR( $p_1, p_2$ ) मॉडल को इस पुनरावृत्ति द्वारा परिभाषित किया गया है:
$X_{s,t} = \sum_{(i,j) \in S} D_{s,t;i,j} \cdot (\alpha \circ X_{s-i,t-j}) + \varepsilon_{s,t}$
जहाँ:

$S$ लैग इंडिसेस (lag indices) का सेट है जिसमें $(0,0)$ शामिल नहीं है।
$\alpha \in (0, 1)$ एक स्थिरांक थिनिंग पैरामीटर है।
$\circ$ द्विपद थिनिंग (binomial thinning) ऑपरेटर को दर्शाता है।
$(D_{s,t})$ एक मल्टीनोमियल वितरण का पालन करने वाला i.i.d. "डिसीजन" वेक्टर्स का रैंडम फील्ड है। प्रत्येक स्थान $(s, t)$ पर, ठीक एक लैग टर्म को थिनिंग के लिए चुना जाता है, जबकि अन्य को अनदेखा कर दिया जाता है।
$\varepsilon_{s,t}$ i.i.d. काउंट नवाचार (innovations) का प्रतिनिधित्व करता है।

प्रत्येक स्थान पर यह "सिंगल थिनिंग" तंत्र CINAR को मानक INAR मॉडल से अलग करता है, जो सभी लैग टर्म्स पर एक साथ थिनिंग लागू करते हैं।

प्रमुख योगदान और सैद्धांतिक परिणाम

स्थिर मार्जिनल वितरण (Stationary Marginal Distribution): लेखक स्थिर मार्जिनल वितरण के प्रोबेबिलिटी जेनरेटिंग फंक्शन (pgf) के लिए एक क्लोज्ड-फॉर्म अभिव्यक्ति व्युत्पन्न करते हैं। वे प्रदर्शित करते हैं कि CINAR मॉडलों को किसी भी डिस्क्रीट सेल्फ-डीकंपोजेबल (DSD) वितरण (पॉइसन और नेगेटिव बाइनोमियल सहित) को मार्जिनल वितरण के रूप में सुसज्जित किया जा सकता है। आवश्यक नवाचार वितरण स्पष्ट रूप से संबंध $pgf_\varepsilon(u) = pgf_X(u) / pgf_X(1 - \alpha + \alpha u)$ द्वारा निर्धारित होता है।
ऑटोकोरिलेशन संरचना: CINAR मॉडल का स्थानिक ऑटोकोरिलेशन फंक्शन (ACF) Yule–Walker समीकरणों के एक सेट का पालन करता है जो मानक INAR( $p_1, p_2$ ) मॉडल के समान ही रूप में होते हैं, बशर्ते कि गुणांकों को $\theta_{ij} = \alpha \phi_{ij}$ के रूप में पुन: पैरामीटराइज किया जाए। इस प्रकार, CINAR शास्त्रीय AR-प्रकार की ऑटोकोरिलेशन संरचना बनाए रखता है।
सशर्त संभावनाएँ (Conditional Probabilities): एक प्रमुख गणनात्मक लाभ $P(X_{s,t} = x | P_{s,t})$ के लिए एक सरल अभिव्यक्ति का व्युत्पन्न होना है। मानक INAR मॉडलों के विपरीत, जिनमें जटिल मल्टी-फोल्ड कॉन्वोल्यूशन (जैसे INAR(1, 1) के लिए तीन-फोल्ड) की आवश्यकता होती है, CINAR सशर्त वितरण में केवल एक सिंगल कॉन्वोल्यूशन शामिल है। यह लाइकलीहुड फंक्शन की गणना को काफी सरल बनाता है।
विस्तार (Extensions): शोध पत्र मल्टीलेटरल (multilateral) CINAR मॉडलों (भविष्य के लैग्स को शामिल करना) और टोबिट (Tobit) CINAR मॉडलों (शून्य पर सेंसरिंग के माध्यम से नकारात्मक निर्भरता को संभालने के लिए) में संभावित विस्तार की रूपरेखा तैयार करता है, हालांकि इन्हें भविष्य के शोध के विषय के रूप में नोट किया गया है।

पैरामीटर अनुमान और सिमुलेशन परिणाम
शोध पत्र तीन अनुमान दृष्टिकोण विकसित करता है:

यूल-वॉकर (YW): सैंपल ऑटोकोरिलेशन पर आधारित।
कंडीशनल लीस्ट स्क्वायर्स (CLS): सशर्त माध्य के वर्ग विचलन को न्यूनतम करना।
कंडीशनल मैक्सिमम लाइकलीहुड (CML): व्युत्पन्न सशर्त संभावनाओं के आधार पर लाइकलीहुड को अधिकतम करना।

पॉइसन और नेगेटिव बाइनोमियल CINAR(1, 1) और CINAR(2, 2) मॉडलों पर एक व्यापक सिमुलेशन अध्ययन प्रकट करता है:

प्रदर्शन: CML एस्टीमेटर, विशेष रूप से बड़े डिपेंडेंस पैरामीटर्स के लिए, बायस (bias) और स्टैंडर्ड डेविएशन के मामले में YW और CLS से लगातार बेहतर प्रदर्शन करता है।
प्रतिस्पर्धियों में बायस: बड़े डिपेंडेंस पैरामीटर्स के लिए YW और CLS एस्टीमेटर मजबूत नकारात्मक बायस प्रदर्शित करते हैं, जिससे अनुमानित नवाचार माध्य (innovation mean) में सकारात्मक बायस आता है।
मॉडल मिसस्पेसिफिकेशन: CML मॉडल मिसस्पेसिफिकेशन (जैसे नेगेटिव बाइनोमियल डेटा के लिए पॉइसन मॉडल को फिट करना) के प्रति अत्यधिक संवेदनशील है, जिसके परिणामस्वरूप गैर-शून्य बायस (non-vanishing bias) होता है। ऐसे मामलों में, CLS बेहतर प्रदर्शन कर सकता है। लेखक नोट करते हैं कि CLS और CML अनुमानों के बीच एक बड़ा अंतर मॉडल मिसस्पेसिफिकेशन के लिए एक डायग्नोस्टिक चेतावनी के रूप में कार्य कर सकता है।

अनुप्रयोगात्मक अनुप्रयोग (Empirical Application)
कृषि गेहूं की उपज (Iyer, 1942) के डेटा का उपयोग करके CINAR परिवार की व्यावहारिक प्रासंगिकता प्रदर्शित की गई है। डेटा लगभग-पॉइसन मार्जिनल व्यवहार और सकारात्मक स्थानिक निर्भरता प्रदर्शित करता है।

एक सरलीकृत CINAR(1, 1) मॉडल (डायगोनल डिपेंडेंस को छोड़कर) ने सूचना मानदंड (AIC/BIC) और डायग्नोस्टिक टूल्स (पियर्सन रेजिडुअल्स और प्रोबेबिलिटी इंटीग्रल ट्रांसफॉर्म हिस्टोग्राम) द्वारा पुष्टि की गई एक अच्छी फिट प्रदान की।
एक सरलीकृत CINAR(2, 2) मॉडल ने विशिष्ट लैग्स पर अवशिष्ट निर्भरताओं (residual dependencies) को कैप्चर करके फिट में और सुधार किया, जो सभी प्रथम-क्रम उम्मीदवारों से बेहतर था।
अनुप्रयोग स्पष्ट करता है कि यह मॉडल व्याख्या योग्य मार्जिनल वितरणों के साथ वास्तविक दुनिया के काउंट ग्रिड डेटा को संभालने की क्षमता रखता है।

महत्व और दावे
शोध पत्र का दावा है कि CINAR परिवार मौजूदा INAR रैंडम फील्ड्स के मुकाबले एक "उपयोगी" विकल्प प्रदान करता है, जो लचीले मार्जिनल वितरणों और सुलभ अनुमान (tractable inference) के बीच के ट्रेड-ऑफ को हल करता है। शास्त्रीय AR-प्रकार की ऑटोकोरिलेशन संरचना को पॉइसन या नेगेटिव बाइनोमियल मार्जिनल्स को निर्दिष्ट करने की क्षमता के साथ जोड़कर, CINAR मॉडल मानक INAR मॉडलों में निहित "अनस्पष्ट मार्जिनल वितरण के ड्रॉबैक" को दूर करते हैं। इसके अतिरिक्त, सशर्त संभावनाओं की सरल गणना लाइकलीहुड-आधारित अनुमान को सुगम बनाती है, जो पहले उच्च-क्रम INAR फील्ड्स के लिए गणनात्मक रूप से निषेधजनक (prohibitive) था। लेखक निष्कर्ष निकालते हैं कि जबकि सही ढंग से निर्दिष्ट मॉडलों के लिए CML पसंदीदा अनुमान विधि है, मिसस्पेसिफिकेशन के खतरों से बचने के लिए कठोर मॉडल डायग्नोस्टिक्स आवश्यक हैं।

नया समाधान: "CINAR" मॉडल

उन्होंने क्या किया?

मुख्य निष्कर्ष (The Bottom Line)

इसी तरह के और पेपर