[論文レビュー] On Optimality Properties of the Shiryaev-Roberts Procedure

Moshe Pollak, Alexander G. Tartakovsky|arXiv (Cornell University)|Oct 31, 2007

Advanced Statistical Process Monitoring参考文献 17被引用数 71

ひとこと要約

本稿は、事前および事後変化分布が既知の i.i.d. モデルにおける逐次的変化検出において、Shiryaev-Roberts 手順の正確な最適性特性を確立している。固定された平均誤報運行長（ARL）制約下で、変化点が遠く離れた未来に発生する場合の漸近的期待検出遅れと、すべての変化点における期待検出遅れの積分を最小化するという点で、この手順が最適であることを証明している。

ABSTRACT

We consider the simple changepoint problem setting, where observations are independent, iid pre-change and iid post-change, with known pre- and post-change distributions. The Shiryaev-Roberts detection procedure is known to be asymptotically minimax in the sense of minimizing maximal expected detection delay subject to a bound on the average run length to false alarm, as the latter goes to infinity. Here we present other optimality properties of the Shiryaev-Roberts procedure.

研究の動機と目的

• 既知の漸近的ミニマックス性を超えて、Shiryaev-Roberts 手順の正確な最適性を確立すること。
• 繰り返し適用される状況下で、変化が遠い未来に発生する場合の手順の性能を調査すること。
• Shiryaev-Roberts 手順が、すべての可能な変化点における期待検出遅れの積分を最小化することを示すこと。
• 固定された平均誤報運行長（ARL）制約下で、変化点が無限大に近づく漸近的状況において、手順が最適であることを示すこと。
• 高頻度の誤報と遅延した変化検出が求められる実用的監視システムにおける Shiryaev-Roberts 手順の使用に対する理論的根拠を提供すること。

提案手法

• 本稿は、各潜在的変化点からの尤度比を蓄積する検出統計量 $ R_n = \sum_{k=1}^n \prod_{i=k}^n \frac{f_1(X_i)}{f_0(X_i)} $ を分析している。
• 停止時刻 $ N_{A_B} = \min\{n \geq 1 : R_n \geq A_B\} $ が定義され、$ \mathbf{E}_\infty[N_{A_B}] = B $ となるように $ A_B $ が調整されており、これにより誤報までの平均運行長が少なくとも $ B $ に保証される。
• 期待検出遅れの積分は $ \mathrm{AD2D} = \sum_{k=1}^\infty \mathbf{E}_k[(N - k)^+] $ として定義され、本稿では、クラス $ \boldsymbol{\Delta}_B $ 内のすべての停止時刻においてこの量の最小化を証明している。
• 漸近的ケースでは、手順の繰り返し適用をモデル化し、変化点 $ \nu \to \infty $ における検出統計量の極限分布を導出し、期待遅れが個々の遅れの重み付き平均に収束することを示している。
• 証明は、帰無仮説（変化なし）下での検出統計量の定常的挙動を分析し、再生型の議論を用いて、異なる停止ルールの性能を比較することに依拠している。
• Shiryaev-Roberts 手順と他の停止時刻 $ N_{A_{B_1}}, N_{A_{B_2}} $ の間で理論的比較がなされ、混合手順が漸近的検出遅れの観点で Shiryaev-Roberts 手順を上回ることはできないことが示されている。

実験結果

リサーチクエスチョン

• RQ1 Shiryaev-Roberts 手順は、すべての可能な変化点における合計期待検出遅れを最小化する点で最適であるか？
• RQ2 繰り返し監視が行われる状況下で、変化が遠く離れた未来に発生する場合、Shiryaev-Roberts 手順は最適な性能を達成するか？
• RQ3 固定された誤報までの平均運行長（ARL）制約下で、期待検出遅れの積分を正確に（漸近的ではなく）最小化できるか？
• RQ4 変化点 $ \nu \to \infty $ の漸近的状況において、Shiryaev-Roberts 手順の性能は他の検出手順と比べてどうなるか？
• RQ5 高頻度の誤報と遅延した変化検出が求められる実世界の応用において、なぜ Shiryaev-Roberts 手順が好まれる理論的根拠は何か？

主な発見

• すべての停止時刻 $ N $ について $ \mathbf{E}_\infty[N] \geq B $ を満たす場合、Shiryaev-Roberts 手順は、$ \sum_{k=1}^\infty \mathbf{E}_k[(N - k)^+] $ の期待検出遅れの積分を正確に最小化する。任意の $ B > 0 $ に対して成り立つ。
• 同じ ARL 制約下で、変化点 $ \nu \to \infty $ の場合の期待検出遅れを最小化する点で、手順は漸近的に最適である。
• Shiryaev-Roberts 手順を繰り返し適用した場合の漸近的期待検出遅れは、異なるしきい値を持つ他の手順の混合よりも厳密に優れた値に収束する。
• 証明により、$ \nu \to \infty $ のとき、$ \boldsymbol{\Delta}_B $ 内の他の任意の停止時刻は、Shiryaev-Roberts 手順よりも低い漸近的検出遅れを達成できないことが示された。
• 最適性は漸近的状況に限らず、すべての $ B > 0 $ に対して成り立つため、正確な最適性（漸近的最適性ではない）が保証される。
• 理論的結果は、侵入検出、標的追跡、環境モニタリングなどの実用的応用において、誤報が頻発し、遠く離れた変化の早期検出が求められる状況で Shiryaev-Roberts 手順が使用される理由を正当化する。