[论文解读] Optimal Sequential Tests for Monitoring Changes in the Distribution of Finite Observation Sequences

Dong Han, Fugee Tsung+1 more|arXiv (Cornell University)|Jul 31, 2019

Advanced Statistical Process Monitoring参考文献 29被引用 4

一句话总结

该论文通过引入广义Shiryaev型度量和动态控制限，为有限且依赖的观测序列中的分布变化检测开发了最优顺序检验。证明了可针对不同的延迟性能度量构建不同的最优检验，并提供了一个计算广义失控平均运行长度的公式；当变化后密度为时不变时，存在一个与检验统计量无关的等价控制限。

ABSTRACT

This article develops a method to construct the optimal sequential test for monitoring the changes in the distribution of finite observation sequences with a general dependence structure. This method allows us to prove that different optimal sequential tests can be constructed for different performance measures of detection delay times. We also provide a formula to calculate the value of the generalized out-of-control average run length for every optimal sequential test. Moreover, we show that there is an equivalent optimal control limit which does not depend on the test statistic directly when the post-change conditional densities (probabilities) of the observation sequences do not depend on the change time.

研究动机与目标

• 解决有限观测序列在一般依赖结构下缺乏最优顺序检验的问题。
• 为在不同检测延迟性能度量下构建最优检验提供一个框架。
• 推导出用于计算每个最优检验的广义失控平均运行长度（ARL1）的公式。
• 建立一个等价控制限，当变化后密度为时不变时，该控制限不直接依赖于检验统计量。
• 通过用最优动态限替代常数限，将经典最优检验（如CUSUM、Shiryaev）扩展至有限序列。

提出的方法

• 引入广义Shiryaev型度量，以在不同性能度量下评估检测延迟表现。
• 定义检验统计量 $ Y_n $ 和随观测序列长度 $ N $ 自适应的动态控制限 $ l_n(c) $。
• 通过在固定ARL0约束下最小化广义检测延迟度量 $ \mathcal{J}_{M,N}(T) $，构建最优顺序检验 $ T^*_M(c,N) $。
• 推导出计算每个最优检验的广义失控ARL1的闭式公式，确保最小化延迟。
• 当变化后密度为时齐时，建立一个仅依赖于分布结构而不依赖于检验统计量的等价控制限。
• 将该框架应用于马尔可夫和i.i.d.序列，表明当经典检验的常数限被替换为动态等价形式时，其最优性依然保持。

实验结果

研究问题

• RQ1 如何为具有普遍依赖结构的有限观测序列构建最优顺序检验？
• RQ2 何种最优控制限结构可确保在不同性能度量下实现最小检测延迟？
• RQ3 在有限时域设定下，能否对最优检验的广义失控平均运行长度（ARL1）进行精确计算？
• RQ4 在何种条件下存在一个与检验统计量无关的等价控制限？
• RQ5 当使用动态控制限将经典检验（如CUSUM、Shiryaev）适配至有限序列时，其性能如何？

主要发现

• 可针对不同的检测延迟性能度量构建不同的最优顺序检验，每种检验均最小化其对应的广义延迟度量。
• 推导出一个闭式公式，用于计算每个最优检验的广义失控平均运行长度（ARL1），确保在给定性能度量下实现最小ARL1。
• 当变化后条件密度不依赖于变化时间时，存在一个与检验统计量无关的等价控制限，从而简化实现。
• 对于i.i.d.序列，等价控制限退化为一组非随机、非负常数，便于实际部署。
• 仿真结果表明，在ARL0 ≈ 20条件下，所提出的最优检验 $ T^*_5 $ 和 $ T^*_6 $ 分别实现了最小的GARL5和GARL6值（分别为115.43和23.26），优于使用常数限的经典检验。
• 动态控制限在有限时域设定下，尤其在马尔可夫依赖结构下，显著提升了检测性能，优于使用固定阈值的经典检验。