面向仅观测前 k 个事件的时序点过程的产品深度

时序点过程（TPPs）建模离散事件在时间轴上的发生时间，广泛应用于神经科学和金融等领域。统计深度函数是分析多变量和函数数据中心性和排序的强大工具，但现有的 TPP 深度概念仍受限。在本文中，我们提出一种专为仅观测前 k 个事件的 TPPs 设计的新型产品深度。该深度函数由两个关键组成部分构成：捕捉最终事件时间分布的归一化边际深度，以及刻画前导事件联合分布的条件深度。我们建立了其关键理论性质，并通过模拟研究和实际数据应用展示了其实际用途。