경로 모델을 이용한 확률 과정

본 논문은 데이터 분석 단계에서 관측·실험값을 수학적·확률적 모델로 전환하는 과정을 체계적으로 탐구한다. 첫 번째 장에서는 “입력‑출력” 메커니즘을 도입한다. 물리·생물 현상에서 생산량 x와 소모량 y가 각각 독립적인 확률변수라고 가정하고, 그 차이 u = x − y 를 관측값으로 본다. x와 y가 동일한 지수분포를 따를 경우, u의 확률밀도는 대칭 라플라스 형태 f₁(u)=β² e^{−β|u−α|} 로 나타난다. 여러 위치 α_j와 스케일 β_j 를 도입해 합성 라플라스 밀도 f(u)=∑_{j=1}^k β_j² e^{−β_j|u−α_j|} 로 확장하고, 위치점이 포아송 과정에 의해 발생하면 포아송 혼합 라플라스 모델이 된다. 비대칭 라플라스 형태와 감마분포 차이 u = x − y 로부터 유도되는 복잡한 형태도 제시한다(식 1.4, 1.5). 두 번째 장에서는 꼬리 두께를 조절하는 두 가지 모델을 제시한다. 첫 번째는 감마밀도 g₃(x)=c₁ x^{γ−1} e^{−δx}에 Mittag‑Leffler 함수 E_{β,α,γ}(−a x^α) 를 곱해 확장한다. 정규화 상수는 (1+a δ^α)^{−β} 형태이며, a<0이면 꼬리가 얇아지고 a>0이면 두꺼워진다. 두 번째는 감마밀도에 Bessel 함수 형태의 무한급수(1F₁) 를 곱해 확장한다. 정규화 상수는 e^{aδ} 로 간단히 표현되며, 역시 a의 부호에 따라 꼬리 두께가 변한다. 이러한 확장은 기존 감마분포가 포착하지 못하는 극단값 발생 확률을 보다 유연하게 모델링한다. 세 번째 장에서는 “경로 아이디어”를 중심으로, 파라미터 α (경로 파라미터)를 도입해 세 가지 함수군을 하나의 일반식으로 연결한다. α<1이면 유한 구간에 꼬리가 차단된 일반화 베타‑1 형태 f*₁(x)=c*₁|x|^{γ}