[論文レビュー] Optimal sequential multiple hypothesis tests

Andrey Novikov|ArXiv.org|Nov 8, 2008

Advanced Statistical Process Monitoring参考文献 7被引用数 23

ひとこと要約

本稿では、ベイジアンおよび条件付き設定の下で、離散時間確率過程に対する最適逐次多重仮説検定を構築する。ラグランジュ緩和を用いて最適停止ルールの構造を特徴づけ、誤差確率制約のもとで期待サンプルサイズを最小化する明示的表現を導出する。主な結果として、最適検定が尤度比と事前重みに基づく特定の閾値条件を満たすことが示されている。

ABSTRACT

This work deals with a general problem of testing multiple hypotheses about the distribution of a discrete-time stochastic process. Both the Bayesian and the conditional settings are considered. The structure of optimal sequential tests is characterized.

研究の動機と目的

• 確率過程の分布に関する複数の仮説に対する最適逐次検定の構造を特徴づける。
• 2つの最適化問題を解く：問題Iでは個々の第一種誤差制約のもとで期待サンプルサイズを最小化する。問題IIでは総誤差確率制約のもとで同様に最小化する。
• 異なる仮説における期待サンプルサイズの重み付き平均を最小化することで、ベイジアン設定への拡張を図る。
• ラグランジュ乗数と再帰的後退帰納法を用いて、最適停止ルールを導出する統一的手法を提供する。
• 最適検定が一意で、閾値ベースの停止ルールを満たすための条件を確立する。

提案手法

• ラグランジュ乗数を用いて、制約付き最適化問題（IおよびII）を無制約最小化問題に還元する。
• すべての可能な決定ルールのうち、ラグランジュ関数を最小化することで、各停止時刻における最適決定ルールを導出する。
• 有限時限Nから始め、N → ∞ の極限を取ることで、値関数 $ V_r $ を再帰的に計算する後退帰納法を適用する。
• 最適停止ルールを閾値ルールとして特徴づける：$ \psi_r = I_{\{l_r \leq \int f_\theta^r d\pi(\theta) + \int V_{r+1} d\mu(x_{r+1})\}} $。
• 再帰的式 $ V_r^N = \min\{l_r, \int f_\theta^r d\pi(\theta) + \int V_{r+1}^N d\mu(x_{r+1})\} $ を用い、$ V_N^N \equiv l_N $ とする。
• 比較による最適性の確立：最適解と同一の誤差率およびサンプルサイズを達成するテストが、同一の閾値条件を満たす必要があることから、最適停止ルールの一意性を示す。

実験結果

リサーチクエスチョン

• RQ1 複数の仮説に関する第一種誤差制約のもとで、期待サンプルサイズを最小化する最適停止ルールは何か？
• RQ2 個々の誤差ではなく、誤った決定の総確率に制約を課した場合、最適検定の構造はどのように変化するか？
• RQ3 ベイジアンおよびミニマックスアプローチを統一するラグランジュ緩和フレームワークを用いて、最適逐次検定を導出できるか？
• RQ4 従属観測と複数の仮説が存在する状況で、停止ルールの一意性と最適性を保証する条件は何か？
• RQ5 解を異なる仮説における期待サンプルサイズの重み付き平均を最小化するように拡張するにはどうすればよいか？

主な発見

• 最適停止ルールは、事後尤度比と継続価値に基づく閾値ルールであり、$ \psi_r = I_{\{l_r \leq \int f_\theta^r d\pi(\theta) + \int V_{r+1} d\mu(x_{r+1})\}} $ で与えられる。
• 問題Iでは、最適検定が $ \psi_r = I_{\{l_r \leq \sum_{i \neq j} \lambda_{ij} f_{\theta_i}^r + \int V_{r+1} d\mu(x_{r+1}) \}} $ を満たす。ここで $ \lambda_{ij} $ はラグランジュ乗数である。
• 問題IIでは、すべての $ j \neq i $ に対して等しいラグランジュ重み $ \lambda_{ij} = \lambda_i $ を使用し、誤った仮説の尤度比の和に基づく閾値ルールが得られる。
• 最適決定ルール $ \phi $ は、$ \phi_{nj} \leq I_{\{\sum_{i \neq j} \lambda_i f_{\theta_i}^n = \min_j \sum_{i \neq j} \lambda_i f_{\theta_i}^n \}} $ を満たすように選ばれ、最小の重み付き尤度和を持つ仮説が選択されることを保証する。
• 最適解と同一の誤差率および期待サンプルサイズを達成するテストが、同一の閾値条件を満たす必要があることから、最適停止ルールの一意性が証明される。
• ベイジアンケースへの拡張は、$ \int N(\theta; \psi) d\pi(\theta) $ を最小化することで可能となり、最適停止ルールは $ \psi_r = I_{\{l_r \leq \int f_\theta^r d\pi(\theta) + \int V_{r+1} d\mu(x_{r+1})\}} $ を与える。