[논문 리뷰] Optimal sequential testing of two simple hypotheses in presence of control variables

Andrey Novikov|arXiv (Cornell University)|2008. 12. 07.

Advanced Statistical Process Monitoring참고 문헌 5인용 수 3

한 줄 요약

이 논문은 제어 변수가 데이터 분포에 영향을 미치는 상황에서 두 개의 단순 가설을 구분하기 위한 최적의 순차적 검정 절차를 개발한다. 제어 정책, 정지 규칙, 결정 규칙을 함께 최적화함으로써, 최적 전략이 우도 비율 기반 정지 경계를 가지며, 제1종 및 제2종 오류 제약 조건 하에서 기대 표본 크기를 최소화함을 입증한다.

ABSTRACT

Suppose that at any stage of a statistical experiment a control variable $X$ that affects the distribution of the observed data $Y$ can be used. The distribution of $Y$ depends on some unknown parameter $θ$, and we consider the classical problem of testing a simple hypothesis $H_0: θ=θ_0$ against a simple alternative $H_1: θ=θ_1$ allowing the data to be controlled by $X$, in the following sequential context. The experiment starts with assigning a value $X_1$ to the control variable and observing $Y_1$ as a response. After some analysis, we choose another value $X_2$ for the control variable, and observe $Y_2$ as a response, etc. It is supposed that the experiment eventually stops, and at that moment a final decision in favour of $H_0$ or $H_1$ is to be taken. In this article, our aim is to characterize the structure of optimal sequential procedures, based on this type of data, for testing a simple hypothesis against a simple alternative.

연구 동기 및 목표

• 제어 변수가 데이터 분포에 영향을 미칠 때 최적의 순차적 검정 절차의 구조를 규명하는 것.
• 제1종 및 제2종 오류 확률에 대한 제약 조건 하에서 기대 표본 크기를 최소화하는 것.
• 제어, 정지, 결정 규칙의 공동 최적성에 필요한 필수 및 충분 조건을 도출하는 것.
• 실험적 제어를 적응적으로 선택하여 효율성을 향상시킬 수 있는 설정으로 고전적 순차 분석을 확장하는 것.
• 최적 정지 규칙이 둘 다의 가설 하에서 유한한 기대값을 가지는 조건을 설정하는 것.

제안 방법

• 관측된 자료와 제어 변수에 따라 적응되는 제어 정책 $\chi$, 정지 규칙 $\psi$, 결정 규칙 $\phi$의 삼중조합으로 순차적 검정 문제를 모델링한다.
• 우도 비율 과정 $Z_n^\chi$를 사용하여 $H_0$ 및 $H_1$ 하에서 증거의 누적 정도를 추적하며, 최적 정지는 임계값 $A$ 및 $B$ 기반으로 결정된다.
• 동적 프로그래밍 및 최적 정지 이론을 적용하여 재귀 방정식을 통한 가치 함수 및 최적성 조건을 유도한다.
• 최적 정지 규칙은 우도 비율의 임계값 처리로 표현되며, $\psi_n^\chi$는 임계값 함수 $l_n^\chi$와의 비교에 의해 결정된다.
• 기대 표본 수의 가중합을 최소화하는 베이지안 확장 도입으로, 수정된 최적성 조건을 도출한다.
• 최적 결정 규칙 $\phi_n$는 우도 비율에 대한 임계값 지표이며, $\lambda_0 f_{\theta_0}^n \leq \lambda_1 f_{\theta_1}^n$일 때 $H_0$를 기각한다.

실험 결과

연구 질문

• RQ1 제어 변수가 데이터 분포에 영향을 미칠 때 순차적 검정 절차의 최적 구조는 무엇인가?
• RQ2 제어 정책, 정지 규칙, 결정 규칙을 함께 최적화하여 오류 제약 조건 하에서 기대 표본 크기를 최소화할 수 있는가?
• RQ3 최적 정지 규칙이 둘 다의 가설 하에서 기대값이 유한한 조건은 무엇인가?
• RQ4 고전적 순차 분석과 비교해 제어 변수의 포함이 우도 비율 기반 정지 경계에 어떤 영향을 미치는가?
• RQ5 기대 표본 수의 가중합을 두 가설 하에서 고려함으로써 최적성 프레임워크를 베이지안 설정으로 확장할 수 있는가?

주요 결과

• 최적 정지 규칙은 우도 비율 과정 $Z_n^\chi$의 임계값 처리로 특징지어지며, $Z_n^\chi$가 경계 $A$ 및 $B$를 초과할 때 정지된다.
• 최적 결정 규칙은 $\phi_n = I_{\{\lambda_0 f_{\theta_0}^n \leq \lambda_1 f_{\theta_1}^n\}}$로 주어지며, 주어진 오류 제약 조건 하에서 위험을 최소화한다.
• 최적 제어 정책 $\chi$는 $H_0$ 하에서 우도 비율 과정 $Z_n^\chi$가 초마팅게일, $H_1$ 하에서 서브마팅게일이 되도록 보장하여 최적성을 달성한다.
• 조건 $1 + R(\infty) \geq \lambda_0$ 가 성립할 경우, 최적 정지 규칙은 $\tau = \inf\{n \geq 1 : Z_n^\chi \leq A\}$ 또는 $\geq B$ 형태를 띠며, 기대값이 유한하다.
• 조건 $1 + R(\infty) < \lambda_0$ 가 성립할 경우, 최적 전략은 $H_1$ 하에서 기대 표본 크기가 무한대가 될 수 있으며, 이는 잠재적인 비효율성을 시사한다.
• 두 가설 하에서 기대 표본 수의 가중합을 최소화하는 베이지안 확장은 $\pi_0 E_{\theta_0}^\chi \tau_\psi + \pi_1 E_{\theta_1}^\chi \tau_\psi$를 포함하는 수정된 최적성 조건을 도출한다.