[논문 리뷰] Sequential change point tests based on U-statistics

Claudia Kirch, Christina Stoehr|arXiv (Cornell University)|2019. 12. 18.

Statistical Methods in Clinical Trials참고 문헌 31인용 수 6

한 줄 요약

이 논문은 U-통계량 기반의 통합 순차적 변화점 검정 프레임워크를 제안하여 고전적인 CUSUM 및 강력한 Wilcoxon 모니터링 절차를 모두 가능하게 한다. 귀무가설 하에서 점근적 분포와 대립가설 하에서 점근적 검정력 1을 확립하였으며, 수정된 모니터링 체계를 통해 초기 및 후기 변화의 탐지 성능을 향상시켰다. 시뮬레이션과 기온 데이터셋을 통한 검증을 통해 검증되었다.

ABSTRACT

We propose a general framework of sequential testing procedures based on $U$-statistics which contains as an example a sequential CUSUM test based on differences in mean but also includes a robust sequential Wilcoxon change point procedure. Within this framework, we consider several monitoring schemes that take different observations into account to make a decision at a given time point. Unlike the originally proposed scheme that takes all observations of the monitoring period into account, we also consider a modified moving-sum-version as well as a version of a Page-monitoring scheme. The latter behave almost as good for early changes while being advantageous for later changes. For all proposed procedures we provide the limit distribution under the null hypothesis which yields the threshold to control the asymptotic type-I-error. Furthermore, we show that the proposed tests have asymptotic power one. In a simulation study we compare the performance of the sequential procedures via their empirical size, power and detection delay, which is further illustrated by means of a temperature data set.

연구 동기 및 목표

• 스트리밍 데이터에서의 구조적 변화를 탐지하기 위한 U-통계량 기반의 일반적인 순차적 검정 프레임워크를 개발하는 것.
• 고전적인 CUSUM 검정을 강력한 Wilcoxon 기반 모니터링 절차로 확장하여 비정규성 또는 오염된 데이터 하에서의 성능을 향상시키는 것.
• 다양한 변화 탐지 상황에서 전체 이력, 이동합, Page-모니터링을 포함한 다양한 모니터링 체계를 비교하는 것.
• 유의수준 $ \alpha $ 에서 유의수준 오류율을 제어하기 위해 귀무가설 하에서 점근적 분포를 유도하는 것.
• 표본 크기가 증가함에 따라 탐지 확률가 1에 수렴하도록 보장하기 위해 일반적인 대립가설 하에서 점근적 검정력 1을 확립하는 것.

제안 방법

• 형태 $ \Gamma(m,k) = \frac{1}{m} \sum_{i=1}^{m} \sum_{j=m+1}^{m+k} h(X_i, X_j) $ 의 U-통계량을 사용한 순차적 모니터링 절차를 수립하며, 여기서 $ h $ 는 대칭 커널 함수이다.
• 세 가지 모니터링 체계를 도입한다: 전체 이력(기본), 이동합, Page-모니터링으로, 과거 관측치의 가중치 부여 방식이 다르다.
• 유의수준 $ \alpha $ 에서 점근적 유의수준 오류를 제어하기 위해 임계 곡선 $ c_\alpha / w(m,k) $ 와 함께 가중치를 적용한 검정통계량 $ w(m,k) |\Psi(m,k)| $ 을 사용한다.
• 기능 중심극한정리와 Hájek-Rényi 유형 부등식을 적용하여 귀무가설 하에서 모니터링 통계량의 약한 수렴을 도출한다.
• 1-근사 기능 조건과 절대적 정규성 조건을 활용하여 결과를 약한 의존성 시간열로 확장한다.
• 대립가설 하에서 검정통계량이 확률적으로 발산함을 보여 점근적 검정력 1을 도출한다. 이는 표본 크기가 증가함에 따라 변화 탐지 확률가 1에 수렴함을 의미한다.

실험 결과

연구 질문

• RQ1 고전적 및 강력한 순차적 변화점 검정을 모두 지원할 수 있는 통합 U-통계량 프레임워크를 개발할 수 있는가?
• RQ2 전체 이력, 이동합, Page-모니터링을 포함한 다양한 모니터링 체계는 초기 변화와 후기 변화 상황에서 탐지 지연 시간과 검정력에 어떤 영향을 미치는가?
• RQ3 변화가 없는 귀무가설 하에서 U-통계량 기반 모니터링 통계량의 점근적 분포는 무엇인가?
• RQ4 제안된 프레임워크는 평균 이동 및 강력한 대안을 포함한 일반적인 대안 하에서 점근적 검정력 1을 달성하는가?
• RQ5 empirical 측면에서 U-통계량 기반 검정의 크기, 검정력, 탐지 지연 시간 측면에서의 성능는 어떻게 비교되는가?

주요 결과

• 적절한 임계값 $ c_\alpha $ 의 선택을 통해 제안된 U-통계량 기반 모니터링 프레임워크는 점근적 유의수준 오류를 수준 $ \alpha $ 에서 제어하여 타당한 추론을 보장한다.
• 일반적인 대안 하에서 검정은 점근적 검정력 1을 확보한다. 즉, 역사적 표본 크기가 증가함에 따라 변화 탐지 확률가 1에 수렴한다.
• Page-모니터링 및 이동합 체계는 후기 변화 상황에서 원래의 전체 이력 체계를 능가하지만, 초기 변화 상황에서는 유사한 성능를 유지한다.
• 강력한 Wilcoxon 기반 모니터링 절차는 동일한 점근적 프레임워크 하에서 유효함이 입증되었으며, 사후적 강력한 방법을 순차적 탐지로 확장하였다.
• 시뮬레이션 결과는 명목 유의수준 $ \alpha $ 와 유사한 경험적 크기를 보였으며, 일부 상황에서 고전적인 CUSUM보다 탐지 지연 시간이 감소한 것으로 확인되었다.
• 기온 데이터셋 적용 사례는 실용적 유용성을 입증하였으며, 기존 표준 방법보다 구조적 변화를 더 이르고 신뢰성 있게 탐지함을 보여주었다.