통계적 관점에서 본 탄생과 성장 확률 과정

본 논문은 자연 및 공학 분야에서 나타나는 탄생·성장 현상을 수학적으로 모델링하기 위해, 랜덤 폐집합(RaCS)으로 구성된 집합값 확률 과정을 제안한다. 기존 연구는 주로 정적 공간 모델이나 연속시간 파라메트릭 모델에 머물렀으나, 저자들은 이산시간 프레임에서 핵생(Bₙ)과 성장(Gₙ) 두 개의 독립적인 랜덤 집합을 도입해 Θₙ = (Θₙ₋₁ ⊕ Gₙ) ∪ Bₙ 로 정의한다. 여기서 ⊕는 폐집합에 대한 Minkowski 합의 폐포 연산이며, Θₙ₋₁ ⊆ Θₙ을 보장하기 위해 0∈Gₙ(A‑1)를 가정한다. 또한 성장 집합이 고정된 컴팩트 K에 포함된다는 제한(A‑2)과 새로운 핵생이 기존 집합에 겹치지 않도록 하는 조건(A‑3)을 두어 모델의 수학적 정합성을 확보한다. 핵심 이론적 기여는 X‑분해 개념이다. 임의의 두 RaCS X⊆Y에 대해, Y를 X와 성장 집합 G, 그리고 핵생 집합 B의 합으로 표현한다. 최대‑최소 원칙에 따라 G는 Y ⊖ X̂ (Minkowski 뺄셈)로 정의되며, 이는 집합 포함관계상 가장 큰 성장 집합이다. B는 Y와 (X⊕G)의 여집합 교집합으로 정의되어 최소의 핵생을 나타낸다. 이 분해는 언제든 존재하지만 유일하지 않으며, 실제 추정에서는 최대‑최소 원칙에 따라 선택한다. 관측은 제한된 창 W 안에서만 가능하므로, 전체 공간 X에 대한 일관된 추정량을 설계한다. 기본 추정량 Ĝ_W = Y_W ⊖ X̂_W는 관측 창이 충분히 커지면 이론적 G에 수렴하지만, 무한 영역에서는 경계 효과가 발생한다. 이를 해결하기 위해 두 개의 보정 추정량을 제안한다. 첫 번째는 Ĝ₁_W = (Y_W ⊖ X̂_W ⊖ K̂) ∩ K 로, 관측 창을 K만큼 축소해 성장 가능 영역을 제한한다. 두 번째는 Ĝ₂_W = ((Y_W ∪ ∂⁺_K W X_W) ⊖ X̂_W) ∩ K 로, 관측 창 외부에서 X가 성장할 수 있는 최대 영역 ∂⁺_K W X_W를 추가함으로써 경계 손실을 보완한다. Proposition 1.8은 Ĝ₁_W가 관측 창이 확대될수록 단조 감소하며 최종적으로 G에 수렴함을 보이며, Proposition 1.9는 Ĝ₂_W가 언제나 Ĝ₁_W를 포함하고 G를 포함함을 증명한다. 따라서 Ĝ₂_W는 실제 데이터에서 가장 신뢰할 수 있는 성장 집합 추정량이다. 핵생 과정은 직접 관측이 어려워, Choquet 용량 함수(히팅 함수) T_B(K)=P(B∩K=∅)를 이용해 분석한다. 히팅 함수는 랜덤 폐집합의 분포를 완전히 결정한다는 Matheron 정리를 기반으로 한다. 논문은 관측 창 W를 확대하면서 Q̂_B,W(K)=1−(1/|W|)∑_{v∈W}1_{B∩(K+v)=∅} 형태의 경험적 추정량을 정의하고, ergodic 가정 하에 Q̂_B,W(K)→Q_B(K) (일관성)임을 증명한다. 이는 핵생 빈도와 공간 분포를 정량화하는 실용적인 도구가 된다. 전체 구조는 다음과 같다. 1.1절에서 기본 집합 연산과 RaCS의 정의, Hausdorff 거리, 히팅 함수 등을 정리한다. 1.2절에서는 탄생·성장 모델을 수식화하고 X‑분해 정리를 제시한다. 1.3절에서는 성장 집합 G의 추정량을 정의하고, 경계 효과를 보정한 두 추정량의 일관성을 증명한다. 1.4절에서는 핵생 집합의 히팅 함수를 추정하는 방법을 제시하고, 일관성을 입증한다. 이 논문은 기존의 파라메트릭 성장 모델이 요구하는 경계 정규성 가정을 완화하고, 순수 기하학적 연산과 확률적 용량 이론을 결합함으로써, 복잡한 물리·생물 현상의 데이터에 직접 적용 가능한 통계적 프레임워크를 제공한다. 특히, 성장과 핵생을 각각 독립적인 랜덤 집합으로 분리하고, 그들을 일관적으로 추정하는 방법을 제시함으로써, 실험적 이미지 시계열 분석, 재료 과학의 결정 성장, 생물학적 조직 형성 등 다양한 분야에 활용 가능성이 크다.