Efficient estimation of relative risk, odds ratio and their logarithms for rare events

यहाँ लुइस मेंडो के शोध पत्र "Efficient estimation of relative risk, odds ratio and their logarithms for rare events" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र दो आबादी (जिनकी प्रायिकता $p_1$ और $p_2$ है) के बीच एक द्विपद विशेषता (dichotomous attribute) का वर्णन करने वाले चार प्रमुख मापदंडों के अनुमान की सांख्यिकीय चुनौती को संबोधित करता है:

• सापेक्ष जोखिम (Relative Risk - RR): $p_1/p_2$
• ऑड्स रेशियो (Odds Ratio - OR): $\frac{p_1(1-p_2)}{p_2(1-p_1)}$
• लॉग रिलेटिव रिस्क (Log Relative Risk - LRR): $\log(p_1/p_2)$
• लॉग ऑड्स रेशियो (Log Odds Ratio - LOR): $\log\left(\frac{p_1(1-p_2)}{p_2(1-p_1)}\right)$

मुख्य बाधाएं और लक्ष्य:

• नमूनाकरण योजना (Sampling Scheme): अवलोकन जोड़ों (pairs) में लिए जाते हैं (प्रत्येक आबादी से एक साथ एक नमूना)। यह महामारी विज्ञान (epidemiology) और सामाजिक विज्ञान में एक सामान्य परिदृश्य है, लेकिन अनुक्रमिक अनुमान (sequential estimation) के लिए चुनौतियां पैदा करता है।
• सटीकता गारंटी (Accuracy Guarantee): अनुमानक (estimator) को एक विशिष्ट लक्षित सटीकता सुनिश्चित करनी चाहिए, जिसे लॉगरिदमिक संस्करणों (LRR, LOR) के लिए माध्य-वर्ग त्रुटि (Mean-Square Error - MSE) और कच्चे अनुपातों (RR, OR) के लिए सापेक्ष MSE के रूप में परिभाषित किया गया है।
• दुर्लभ घटनाएँ (Rare Events): विधि को विशेष रूप से उन परिदृश्यों के लिए अनुकूलित किया गया है जहाँ $p_1$ और $p_2$ बहुत कम हैं (दुर्लभ घटनाएँ), एक ऐसा क्षेत्र जहाँ पारंपरिक निश्चित-नमूना अनुमानक अक्सर उच्च विचलन (variance) या पूर्वाग्रह (bias) से ग्रस्त होते हैं।
• दक्षता (Efficiency): लक्ष्य लक्षित सटीकता प्राप्त करने के लिए आवश्यक नमूनों की संख्या को क्रैमर-राओ लोअर बाउंड (Cramér–Rao lower bound) के विरुद्ध न्यूनतम करना है।

2. कार्यप्रणाली (Methodology)

प्रस्तावित दृष्टिकोण अनुक्रमिक नमूनाकरण (sequential sampling) को बर्नौली फैक्ट्री (Bernoulli factory) तकनीकों के साथ जोड़ता है ताकि दो-जनसंख्या वाली समस्या को एकल-जनसंख्या अनुमान समस्या में बदला जा सके।

A. प्रायिकता रूपांतरण (Bernoulli Factories)

मुख्य नवाचार $p_1$ और $p_2$ से व्युत्पन्न एक विशिष्ट पैरामीटर $p$ वाले स्वतंत्र बर्नौली चर $Y$ की एक श्रृंखला उत्पन्न करना है, ताकि ऑड्स $p/(1-p)$ (या लॉग ऑड्स) का अनुमान लगाना लक्षित पैरामीटर का अनुमान लगाने के बराबर हो।

• RR और LRR के लिए:
  लक्षित पैरामीटर है $p = \frac{p_1}{p_1 + p_2}$।
  • एल्गोरिदम 1: आबादी 1 या 2 को समान प्रायिकता के साथ यादृच्छिक रूप से चुनें। चुनी गई आबादी से नमूना लें। यदि परिणाम विफलता (0) है, तो दोहराएं। यदि सफलता (1) है, तो $Y=1$ आउटपुट करें यदि आबादी 1 चुनी गई थी, या $Y=0$ आउटपुट करें यदि आबादी 2 चुनी गई थी।
• OR और LOR के लिए:
  लक्षित पैरामीटर है $p = \frac{p_1(1-p_2)}{p_1(1-p_2) + p_2(1-p_1)}$।
  • एल्गोरिदम 2: दोनों आबादी से एक साथ नमूना लें। यदि $X_1 = X_2$ है, तो छोड़ दें और दोहराएं। यदि $X_1 \neq X_2$ है, तो $Y=1$ सेट करें यदि $X_1=1$ (और $X_2=0$), अन्यथा $Y=0$ सेट करें। यह वॉन न्यूमैन की रिजेक्शन सैंपलिंग (von Neumann's rejection sampling) का एक विस्तार है।

B. अनुक्रमिक अनुमान (Sequential Estimation - Inverse Binomial Sampling)

एक बार $Y$ की श्रृंखला उत्पन्न हो जाने के बाद, शोध पत्र ऑड्स और लॉग ऑड्स के लिए मेंडो (2025) की अनुक्रमिक अनुमान विधियों को लागू करता है:

1. चरण 1 (सफलताएँ): $r + \alpha$ सफलताएँ देखे जाने तक $Y$ के नमूने एकत्र करें (जहाँ $r$ एक डिज़ाइन पैरामीटर है और $\alpha=1$ RR/OR के लिए, $\alpha=0$ LRR/LOR के लिए)। $V'$ नमूनों की संख्या को $V'$ मान लें।
2. चरण 2 (विफलताएँ): $r - \alpha$ विफलताएँ देखे जाने तक $Y$ के नमूने एकत्र करें। $V''$ नमूनों की संख्या को $V''$ मान लें।
3. अनुमानक गणना (Estimator Calculation):
   • RR/OR के लिए: $\hat{\zeta} = \frac{r V''}{(r-1)(V'-1)}$
   • LRR/LOR के लिए: $\hat{\zeta} = -H_{V'-1} + H_{V''-1}$ (जहाँ $H_k$ $k$-वाँ हार्मोनिक नंबर है)।

C. नमूना युग्मन रणनीति (Sample Pairing Strategy)

चूंकि आंतरिक एल्गोरिदम (1 और 2) $X_1$ और $X_2$ से अलग-अलग संख्या में नमूने ले सकते हैं, लेकिन भौतिक बाधा यह है कि नमूने जोड़ों में लिए जाने चाहिए, इसलिए शोध पत्र एक "रूढ़िवादी" (conservative) युग्मन रणनीति अपनाता है:

• नमूने जोड़ों में लिए जाते हैं।
• यदि एक आबादी का नमूना आवश्यक है लेकिन दूसरी का नहीं, तो अतिरिक्त नमूने को संग्रहीत किया जाता है।
• उपयोग किए गए कुल जोड़े $U = \max(U_1, U_2)$ हैं।
• यह एक संभावित दक्षता हानि कारक $\sigma$ पेश करता है, जिसका विश्लेषण शोध पत्र में किया गया है।

3. मुख्य योगदान (Key Contributions)

1. गारंटीकृत सटीकता के साथ निष्पक्ष अनुमानक (Unbiased Estimators with Guaranteed Accuracy): प्रस्तावित अनुमानक निष्पक्ष हैं और गणितीय रूप से गारंटी देते हैं कि किसी भी $p_1, p_2 \in (0,1)$ के लिए MSE (या सापेक्ष MSE) उपयोगकर्ता द्वारा परिभाषित लक्ष्य $A$ से नीचे है।
2. दुर्लभ घटनाओं के लिए उच्च दक्षता (High Efficiency for Rare Events): ये अनुमानक दक्षता (क्रैमर-राओ बाउंड के सापेक्ष विचरण का अनुपात) को 100% (अर्थात $\eta \to 1$) के करीब प्राप्त करते हैं जब $p_1$ और $p_2$ छोटे होते हैं। यह समूह-नमूनाकरण (group-sampling) विधियों (जैसे मेंडो 2026) की तुलना में बेहतर है।
3. दक्षता पर सैद्धांतिक सीमाएँ (Theoretical Bounds on Efficiency):
   • शोध पत्र अनुमान दक्षता $\eta$ के लिए निम्न सीमाएँ निकालता है जो $\theta = p_1/p_2$ के अनुपात से स्वतंत्र हैं।
   • प्रमेय 3 और 4: दिखाते हैं कि कम प्रायिकताओं के लिए, $\eta > \frac{1}{1 + A(\mu + \alpha)}$ है। उदाहरण के लिए, 10% लक्षित सापेक्ष RMSE ($A=0.01$) के साथ, दक्षता गारंटीकृत रूप से $p_1$ और $p_2$ के विशिष्ट मूल्यों के बावजूद ~91-95% से ऊपर रहती है, बशर्ते वे छोटे हों।
4. युग्मन हानि का विश्लेषण (Analysis of Pairing Loss): शोध पत्र नमूनों के "रूढ़िवादी" युग्मन के कारण होने वाली दक्षता हानि ($\sigma$) को मात्रात्मक रूप से स्पष्ट करता है। यह सिद्ध करता है कि RR/LRR के लिए, यह हानि नगण्य है जब घटनाएँ दुर्लभ होती हैं ($\sigma \to 1$), और OR/LOR के लिए, इसमें कोई हानि नहीं होती है ($\sigma = 1$) क्योंकि आंतरिक एल्गोरिदम इनपुट को पूर्ण जोड़ों में उपभोग करता है।

4. परिणाम (Results)

• सिमुलेशन बनाम सिद्धांत (Simulation vs. Theory): मोंटे कार्लो सिमुलेशन (10$^7$ वास्तविकताओं) पुष्टि करते हैं कि दक्षता पर सैद्धांतिक निचली सीमाएँ सटीक और सुदृढ़ हैं।
• दुर्लभ घटना शासन में प्रदर्शन (Performance in Rare Event Regime):
  • जैसे-जैसे प्रायिकताओं का ज्यामितीय माध्य $\phi = \sqrt{p_1 p_2}$ घटता है, दक्षता $\eta$ बढ़ती है और 1 के करीब पहुँच जाती है।
  • मध्यम रूप से दुर्लभ घटनाओं (जैसे, $\phi \approx 0.01$) के लिए, प्रस्तावित विधि मेंडो (2026) की संदर्भ समूह-नमूनाकरण विधि की तुलना में काफी बेहतर प्रदर्शन करती है।
• लक्षित सटीकता का प्रभाव (Impact of Target Accuracy): उच्च सटीकता आवश्यकताएं (छोटा $A$) उच्च दक्षता की ओर ले जाती हैं। यह विरोधाभासी लग सकता है, लेकिन यह इस तथ्य से स्पष्ट है कि जैसे-जैसे $r$ बढ़ता है (कठोर सटीकता को पूरा करने के लिए), दक्षता सूत्र में विचरण पद अधिक अनुकूल हो जाते हैं।
• समरूपता (Symmetry): LRR और LOR के लिए, दक्षता $p_1$ और $p_2$ को बदलने ($\theta$ बनाम $1/\theta$) के संबंध में सममित है।

5. महत्व (Significance)

• व्यावहारिक उपयोगिता (Practical Utility): यह विधि महामारी विज्ञान और नैदानिक परीक्षणों (clinical trials) के लिए अत्यधिक प्रासंगिक है जहाँ दुर्लभ प्रतिकूल घटनाओं या दुर्लभ बीमारियों का अध्ययन किया जाता है। इन क्षेत्रों में, बड़े निश्चित नमूना आकार प्राप्त करना महंगा होता है, और दुर्लभ घटनाएँ अस्थिर अनुमानों का कारण बनती हैं।
• संसाधन अनुकूलन (Resource Optimization): अपेक्षित नमूना आकार को न्यूनतम रखते हुए एक विशिष्ट सटीकता की गारंटी देकर, यह विधि डेटा संग्रह की लागत और समय को कम करती है।
• सैद्धांतिक प्रगति (Theoretical Advancement): यह "बर्नौली फैक्ट्री" अवधारणा को बहु-पैरामीटर अनुमान (RR/OR) के लिए विस्तारित करता है और युग्मित नमूनाकरण की बाधा के तहत अनुक्रमिक अनुमानकों की दक्षता के लिए कठोर प्रमाण प्रदान करता है।
• मजबूती (Robustness): कई अनुमानकों के विपरीत जो स्पर्शोन्मुखी सामान्यता (asymptotic normality) या बड़े-नमूना सन्निकटन पर निर्भर करते हैं, यह दृष्टिकोण सटीकता पर परिमित-नमूना गारंटी प्रदान करता है और ठीक उसी समय इष्टतम प्रदर्शन करता है जब डेटा दुर्लभ होता है।

निष्कर्षतः, लुइस मेंडो एक गणितीय रूप से कठोर, अत्यधिक कुशल अनुक्रमिक नमूनाकरण ढांचा प्रस्तावित करते हैं जो दुर्लभ घटनाओं के लिए गारंटीकृत सटीकता के साथ जोखिम अनुपात और ऑड्स रेशियो का अनुमान लगाने की समस्या को हल करता है, जो सबसे महत्वपूर्ण (दुर्लभ घटना) परिदृश्यों में मौजूदा विधियों से बेहतर प्रदर्शन करता है।