[論文レビュー] Sequential change point tests based on U-statistics

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

Statistical Methods in Clinical Trials参考文献 31被引用数 6

ひとこと要約

本稿は、U統計量に基づく統一的な逐次変化点検出フレームワークを提案し、古典的なCUSUMおよびロバストなウィルコクソン監視手順の両方を可能にする。帰無仮説下での漸近的分布と代替仮説下でのパワー1を確立し、修正された監視スキームにより早期および遅刻変化の検出が向上し、シミュレーションおよび気温データセットによる検証が行われた。

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.

研究の動機と目的

• ストリーミングデータにおける構造的変化の検出を目的とした、U統計量に基づく一般化された逐次検定フレームワークの開発。
• 古典的なCUSUM検定を、重い裾や汚染されたデータ下でも性能が向上するロバストなウィルコクソンベースの監視手順に拡張すること。
• 変化検出の状況が異なる際の、全履歴、移動和、ページ監視の3つの監視スキームの比較。
• タイプIエラー率を制御するため、帰無仮説下での漸近的分布の導出。
• 一般代替仮説下で漸近的パワー1を確立し、標本サイズが増加するにつれて検出確率が1に近づくことを保証すること。

提案手法

• U統計量 $ \Gamma(m,k) = \frac{1}{m} \sum_{i=1}^{m} \sum_{j=m+1}^{m+k} h(X_i, X_j) $ の形をとる逐次監視手順を定式化し、$ h $ は対称カーネル関数である。
• 過去の観測値の重み付けが異なる3つの監視スキームを導入：全履歴（元来のもの）、移動和、ページ監視。
• タイプIエラーの漸近的水準 $ \alpha $ を制御するため、重み付き検定統計量 $ w(m,k) |\Psi(m,k)| $ と臨界曲線 $ c_\alpha / w(m,k) $ を用いる。
• 関数中心極限定理およびハジェク＝レニー型不等式を用いて、帰無仮説下での監視統計量の弱収束を導出する。
• 1-近似関数的および絶対的定常性条件を用いて、弱依存時系列への結果の拡張を実施する。
• 代替仮説下で検定統計量が確率的に発散することを示し、パワー1の漸近的性質を確立する。

実験結果

リサーチクエスチョン

• RQ1 古典的およびロバストな逐次変化点検定を両立できる統一的U統計量フレームワークを構築できるか？
• RQ2 全履歴、移動和、ページ監視の各監視スキームは、早期変化と遅刻変化の両状況下で、検出遅延とパワーにどのように影響を与えるか？
• RQ3 変化なしの帰無仮説下でのU統計量に基づく監視統計量の漸近的分布は何か？
• RQ4 提案されたフレームワークは、平均シフトやロバストな代替仮説を含む一般代替仮説下でも漸近的パワー1を達成するか？
• RQ5 U統計量に基づく検定の実効的性能は、サイズ、パワー、検出遅延の観点からどのように比較されるか？

主な発見

• 適切な臨界値 $ c_\alpha $ の選択により、提案されたU統計量に基づく監視フレームワークは、漸近的タイプIエラー水準 $ \alpha $ を制御し、有効な推論を可能にする。
• 一般代替仮説下で漸近的パワー1を達成する。これは、履歴標本サイズが増加するにつれて変化の検出確率が1に近づくことを意味する。
• ページ監視および移動和スキームは、遅刻変化の状況では元の全履歴スキームを上回り、早期変化の状況では同等の性能を維持する。
• ロバストなウィルコクソンベースの監視手順は、同じ漸近的枠組み下で有効であることが示され、事後的ロバスト手法が逐次検出に拡張された。
• シミュレーション結果により、実効的サイズは名目水準 $ \alpha $ に近く、パワーは高く、一部の状況では古典的CUSUMよりも検出遅延が短縮されていることが確認された。
• 気温データセットへの応用は実用的価値を示し、標準的手法よりも早期かつ信頼性高く構造的変化を検出できることを示した。