[논문 리뷰] Testing Statistical Hypotheses About Ergodic Processes

Daniil Ryabko, Boris Ryabko|arXiv (Cornell University)|2008. 04. 03.

Fault Detection and Control Systems인용 수 1

한 줄 요약

이 논문은 정적 마르코프 과정의 분포 거리의 경험적 추정치를 사용하여 세 가지 시계열 문제—적합도 검정, 과정 식별, 변화점 탐지—에 대해 渐近적으로 정확한 통계적 검정을 제안한다. 이 방법은 경험적 분포 발산에 기반한 동일한 프레임워크를 균일하게 적용함으로써, 정적 마르코프 성질이 성립할 경우 일致된 추론을 가능하게 한다.

ABSTRACT

We address three problems of statistical analysis of time series: goodnessof-fit (or identity) testing, process discrimination, and the change point problem. For each of the problems we construct a test that is asymptotically accurate for the case when the data is generated by stationary ergodic processes. All problems are solved in a similar way by using empirical estimates of the distributional distance between the processes. 1

연구 동기 및 목표

• 정적 마르코프 과정을 포함한 시계열 분석의 근본적 과제를 해결하기 위해.
• 적합도 검정, 과정 식별, 변화점 탐지의 세 핵심 문제를 위한 통합된 검정 프레임워크를 개발하기 위해.
• 정적 및 마르코프 성질을 가정할 때 검정의 渐近적 정확성을 보장하기 위해.
• 세 문제 전반에 걸쳐 경험적 분포 거리 추정치를 중심 도구로 사용하기 위해.
• 일般적인 마르코프 시계열에 적용 가능한 이론적으로 탄탄한 비모수적 접근법을 제공하기 위해.

제안 방법

• 관측된 시계열 데이터를 이용해 확률과정 간 분포 거리의 경험적 추정을 수행하기 위해.
• 각 세 문제에 대해 검정 통계량을 구성하기 위해 경험적 거리 측도를 적용하기 위해.
• 표본 크기가 증가함에 따라 경험적 추정의 일致성을 보장하기 위해 마르코프 정리의 응용을 위해.
• 경험 과정의 渐近적 성질을 활용하여 검정의 정확성을 검증하기 위해.
• 영가설 하에서 분포 자유성(분포에 종속되지 않는 성질)을 확보하기 위해 오직 마르코프 성질에 의존하는 검정 절차 설계를 위해.
• 세 문제 전반에 걸쳐 동일한 근본 원리—경험적 분포 거리—가 균일하게 적용되도록 보장하기 위해.

실험 결과

연구 질문

• RQ1 시계열의 적합도 검정, 과정 식별, 변화점 탐지에 대해 동일한 프레임워크를 사용할 수 있는가?
• RQ2 마르코프 성질 하에서 경험적 분포 거리 추정치를 어떻게 활용하여 渐近적으로 타당한 검정을 구성할 수 있는가?
• RQ3 표본 크기가 증가함에 따라 이러한 검정의 일치성과 정확성을 보장하는 조건은 무엇인가?
• RQ4 이 세 가지 서로 다른 시계열 검정 문제를 동일한 통계 원리 아래 통합할 수 있는가?
• RQ5 경험적 분포 거리의 사용이 비모수적 시계열 분석에서 추론을 어떻게 향상시키는가?

주요 결과

• 제안된 검정은 정적 마르코프 과정을 가정할 경우 세 문제—적합도 검정, 과정 식별, 변화점 탐지—모두에 대해 渐近적으로 정확한 성능을 달성한다.
• 경험적 분포 거리의 사용은 서로 다른 검정 문제 간 통합 접근법을 가능하게 하여 방법론적 분열을 감소시킨다.
• 마르코프 정리의 역할 덕분에 표본 크기가 증가함에 따라 검정의 일치성이 보장된다.
• 기본 과정의 모수적 모델링이 필요 없기 때문에, 이 방법은 광범위한 시계열 클래스에 적용 가능하다.
• 영가설 하에서 분포 자유성 확보를 위해 오직 마르코프 성질과 경험적 수렴성에 의존한다.
• 모형 잘못 설정에 대해 강건한 비모수적 솔루션을 제공함으로써 시계열 검정 문제에 대한 비모수적 접근법을 실현한다.