[논문 리뷰] Quickest Detection for a Poisson Process with a Phase-type Change-time Distribution

Erhan Bayraktar, Semih Sezer|ArXiv.org|2006. 11. 19.

Advanced Statistical Process Monitoring참고 문헌 11인용 수 9

한 줄 요약

이 논문은 변화시점이 단계형 분포로 분포된 포아송 과정에 대한 최적 베이지안 빠른 탐지 규칙을 개발한다. 기존의 지수 분포 사전분포를 가정한 연구를 일반화한 것으로, 사후 확률 과정을 n+1차원의 조각별 결정성 마르코프 과정으로 모델링함으로써, 최적 정지 시점이 볼록 집합에 대한 도달 시간임을 증명하고, 임의의 정밀도로 ε-최적 전략을 계산할 수 있는 수치 알고리즘을 제공한다.

ABSTRACT

We consider a change detection problem in which the arrival rate of a Poisson process changes suddenly at some unknown and unobservable disorder time. It is assumed that the prior distribution of the disorder time is known. The objective is to detect the disorder time with an online detection rule (a stopping time) in a way that balances the frequency of false alarm and detection delay. So far in the study of this problem, the prior distribution of the disorder time is taken to be exponential distribution for analytical tractability. Here, we will take the prior distribution to be a phase-type distribution, which is the distribution of the absorption time of a continuous time Markov chain with a finite state space. We find an optimal stopping rule for this general case and give a numerical algorithm that calculates the parameters of $\eps$-optimal strategies for any $\eps>0$. We illustrate our findings on two examples.

연구 동기 및 목표

• 기존에 분석적 접근성이 뛰어나 연구에 널리 사용되어 온 지수 사전분포 가정을 초월하여 고전적 포아송 불안정 문제를 일반화한다.
• 변화시점을 단계형 분포로 모델링함으로써 더 큰 유연성을 확보하고, 임의의 양의 분포를 임의로 정밀하게 근사할 수 있도록 한다.
• 거짓 경보 빈도와 탐지 지연을 조합한 베이지안 위험을 최소화하는 최적 정지 규칙의 존재를 확립한다.
• 최적 베이지안 위험에 수렴하는 보장된 수렴성을 가진 ε-최적 탐지 전략을 계산하기 위한 수치 알고리즘을 개발한다.
• 에르랑 및 초기하적 단계형 사전분포를 가진 예시를 통해 제안 방법의 효능을 입증한다.

제안 방법

• 기본 마르코프 체인이 상태 i에 있을 조건부 사후 확률 Πit인 (n+1)-차원 사후 확률 과정 Π̲t = [Π₁t, ..., Πₙt, Πt]에 대한 최적 정지 문제로 변화 탐지 문제를 재구성한다.
• 최적 정지 시점이 확률 단체 내에서 내부가 비어 있지 않은 닫힌 볼록 집합 Γ로의 과정 Π̲t의 도달 시간임을 증명한다.
• 최소 베이지안 위험을 균일하게 근사하기 위한 함수 수열을 적분 연산자의 반복적 적용을 통해 구성한다.
• 계속 영역이 유계가 아니게 되는 것을 방지하기 위해 보조 확률 측도 하에서 문제를 재구성함으로써 수치 구현 가능성을 확보한다.
• 사후 확률 공간 내 경계 곡선을 계산하는 수치 알고리즘을 구현하여, 관측 기반 임계값 초과 시 실시간 탐지가 가능하도록 한다.
• 사후 과정의 강한 마르코프 성질을 활용하여 정지 시점에 대한 기대 비용을 분해하고, 정지 규칙의 최적성을 검증한다.

실험 결과

연구 질문

• RQ1 고전적 포아송 불안정 문제를 지수 사전분포 가정을 초월하여 더 현실적이고도 민감한 변화시점 사전분포를 允許하는 일반화가 가능한가?
• RQ2 일반화된 문제에 대한 최적 정지 규칙이 여전히 사후 확률 공간 내 볼록 집합에 대한 도달 시간으로 특징지워지는가?
• RQ3 최소 베이지안 위험은 반복적으로 생성된 함수 수열을 통해 균일하게 근사 가능하며, 이 근사의 수렴 속도는 어떠한가?
• RQ4 단계형 사전분포에 대해 ε-최적 탐지 전략을 어떻게 수치적으로 구현할 수 있으며, 원하는 정밀도를 확보하기 위한 계산 자원은 어떤가?
• RQ5 에르랑 또는 초기하적 단계형 분포를 사용할 경우, 지수 사전분포 대비 베이지안 위험 최소화 측면에서 성능 향상은 어느 정도인가?

주요 결과

• 단계형 변화시점 분포를 가진 포아송 불안정 문제의 최적 정지 시점은 내부가 비어 있지 않은 닫힌 볼록 집합 Γ로의 사후 확률 과정의 첫 번째 도달 시간이다.
• 최소 베이지안 위험은 적분 연산자의 반복적 적용으로 생성된 함수 수열을 통해 임의의 ε > 0 범위 내에서 균일하게 근사 가능하다.
• ε-최적 정지 규칙가 존재하며, 사후 확률 공간 내 경계 곡선을 계산하는 수치 알고리즘을 통해 구성 가능하다.
• 이 알고리즘은 실시간 탐지가 가능하다: 관찰자는 사후 과정을 모니터링하고, 계산된 경계를 초과할 때 경보를 발동하기만 하면 된다.
• 두 개의 임시 상태를 가진 에르랑 및 초기하적 단계형 분포에 대해 수치 결과는 지수 사전분포 사례에 비해 베이지안 위험의 상당한 감소를 보여준다.
• 증명 과정에서 가치 함수가 동적 프rogramming 원리를 만족하고, 사후 과정의 동역학 하에서 최적 전략이 시간에 대해 일관됨을 입증한다.