🔢 mathematics

Moral Hazard in LTI Dynamics: A Hypothesis Testing Approach

यह शोध पत्र एक परिकल्पना परीक्षण-आधारित भुगतान योजना प्रस्तावित करता है ताकि एक नैतिक जोखिम (moral hazard) की स्थिति में एजेंट को एक अधिक कुशल रैखिक स्टेट-फीडबैक नियंत्रक चुनने के लिए प्रोत्साहित किया जा सके, जहाँ एजेंट नियंत्रण लागत वहन करता है और जोखिम-प्रतिकूल है, और पावर सिस्टम लोड फ्रीक्वेंसी कंट्रोल तथा बॉडी वेट लॉस हस्तक्षेपों में अनुप्रयोगों के माध्यम से इसकी प्रभावशीलता प्रदर्शित करता है।

मूल लेखक: Jaewon Jeong, Pan-Yang Su, S. Shankar Sastry, Anil Aswani

प्रकाशित 2026-05-04

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jaewon Jeong, Pan-Yang Su, S. Shankar Sastry, Anil Aswani

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक बॉस (प्रिंसिपल) हैं जिसे एक मशीन को पूरी तरह से चलाने की आवश्यकता है। लेकिन आप मशीन के अंदर नहीं देख सकते, और न ही आप उस व्यक्ति (एजेंट) पर नज़र रख सकते हैं जो इसे नियंत्रित करने वाला है। आप जानते हैं कि मशीन की दो सेटिंग्स हैं: एक "आलसी" सेटिंग जो एजेंट के लिए आसान है लेकिन इससे मशीन खराब चलती है, और एक "कड़ी मेहनत वाली" सेटिंग जो एजेंट के लिए थकाऊ है लेकिन इससे मशीन बहुत शानदार चलती है।

समस्या नैतिक जोखिम (Moral Hazard) है: एजेंट "आलसी" सेटिंग चुन सकता है क्योंकि यह उनके लिए आसान है और आपको तुरंत अंतर पता नहीं चलेगा क्योंकि मशीन का आउटपुट शोर भरा (noisy) होता है (जैसे एक कार का इंजन जो ठीक से चलने पर भी कभी-कभी झटके लेता है)।

यह शोध पत्र पूछता है: आप एजेंट को इस तरह से कैसे भुगतान करें कि वे "कड़ी मेहनत वाली" सेटिंग को चुनें, भले ही आप यह न देख सकें कि वे इसे कर रहे हैं?

मुख्य विचार: "सिक्के का उछाल" बनाम "पैटर्न"

यदि आप एजेंट को केवल एक निश्चित शुल्क देते हैं, तो वे आलसी सेटिंग चुन लेंगे। यदि आप उन्हें केवल तभी भुगतान करते हैं जब मशीन एकदम सही दिखती है, तो वे आलसी सेटिंग के साथ भी भाग्यशाली हो सकते हैं और फिर भी भुगतान प्राप्त कर सकते हैं।

लेखक एक चतुर समाधान प्रस्तावित करते हैं जो समय के साथ पैटर्न का पता लगाने पर आधारित है।

एक जासूस के बारे में सोचें जो यह पता लगाने की कोशिश कर रहा है कि क्या एक सिक्का निष्पक्ष है या पक्षपाती।

आलसी सेटिंग (कम प्रयास): मशीन का व्यवहार एक निष्पक्ष सिक्के के उछाल जैसा दिखता है। यह रैंडम और अस्त-व्यस्त है।
कड़ी मेहनत वाली सेटिंग (उच्च प्रयास): मशीन का व्यवहार एक पक्षपाती सिक्के जैसा दिखता है। इसमें अभी भी कुछ रैंडमनेस है, लेकिन एक सूक्ष्म, निरंतर पैटर्न है जो एक तरफ झुका हुआ है।

यदि आप केवल एक उछाल (डेटा का एक सेकंड) देखते हैं, तो आप अंतर नहीं बता सकते। लेकिन यदि आप 100 उछाल (समय की एक लंबी अवधि) देखते हैं, तो "पक्षपाती सिक्के" का पैटर्न स्पष्ट हो जाता है।

समाधान: "लाइकलीहुड रेश्यो टेस्ट" (Likelihood Ratio Test)

यह शोध पत्र सिद्ध करता है कि भुगतान अनुबंध (contract) डिजाइन करने का सबसे अच्छा तरीका लाइकलीहुड रेश्यो टेस्ट का उपयोग करना है।

साधारण शब्दों में, इसका अर्थ है:

इंतज़ार करें और देखें: आप एजेंट को तुरंत भुगतान नहीं करते हैं। आप सिस्टम को एक विशिष्ट समय के लिए चलने देते हैं (मान लीजिए कि यह "क्षितिज" या Horizon है)।
गणित लगाएं: उस समय के अंत में, आप मशीन के आउटपुट के इतिहास को देखते हैं। आप एक सांख्यिकीय परीक्षण चलाते हैं जो पूछता है: "क्या यह इतिहास इस बात की अधिक संभावना रखता है कि यह 'कड़ी मेहनत वाली' सेटिंग से आया है या 'आलसी' सेटिंग से?"
फैसला:
- यदि इतिहास "कड़ी मेहनत वाली" सेटिंग के पैटर्न जैसा दिखता है, तो आप एजेंट को बड़ा बोनस देते हैं।
- यदि इतिहास "आलसी" सेटिंग के पैटर्न जैसा दिखता है, तो आप उन्हें कम राशि (या कुछ नहीं) देते हैं।

पेचीदा हिस्सा: कितना लंबा इंतज़ार करना चाहिए?

यह शोध पत्र इस बात की खोज करता है कि भुगतान करने से पहले आपको कितनी देर तक प्रतीक्षा करनी चाहिए। इसके लिए एक बहुत ही विशिष्ट "गोल्डिलॉक्स" ज़ोन (बीच का रास्ता) है।

बहुत कम इंतज़ार करना: शोर (रैंडमनेस) बहुत अधिक है। आप अंतर नहीं बता सकते कि एजेंट ने कड़ी मेहनत की या वे बस भाग्यशाली रहे। एजेंट को कड़ी मेहनत करने के लिए मनाने के लिए, आपको एक बहुत बड़ा, जोखिम भरा बोनस देना पड़ेगा, इस डर से कि शायद वे वास्तव में कड़ी मेहनत कर रहे थे। यह आपके लिए महंगा है।
बहुत लंबा इंतज़ार करना: आप अंतर को पूरी तरह से समझ सकते हैं, लेकिन आपको भुगतान करने के लिए बहुत लंबा इंतज़ार करना पड़ता है, जिससे आज के पैसे का मूल्य कल कम हो जाता है (डिस्काउंटिंग के कारण)। साथ ही, एजेंट अधीर हो जाता है।
सही संतुलन (Sweet Spot): एक आदर्श मध्य मार्ग है (उदाहरण के लिए, एक उदाहरण में 1.8 सेकंड, दूसरे में 80 सप्ताह) जहाँ पैटर्न इतना स्पष्ट है कि यह निष्पक्ष है, लेकिन आपने इतना लंबा इंतज़ार नहीं किया कि भुगतान का मूल्य कम हो जाए।

शोध पत्र के वास्तविक दुनिया के उदाहरण

लेखकों ने इस विचार का परीक्षण दो बहुत अलग परिदृश्यों पर किया:

पावर ग्रिड (लोड फ्रीक्वेंसी कंट्रोल):
- बॉस: एक बिजली कंपनी।
- एजेंट: एक बिजली जनरेटर।
- समस्या: जनरेटर एक सस्ता, धीमा कंट्रोलर या एक महंगा, तेज़ कंट्रोलर चुन सकता है। बिजली कंपनी यह नहीं देख सकती कि कौन सा उपयोग किया जा रहा है, केवल बिजली की फ्रीक्वेंसी देख सकती है।
- परिणाम: बिजली कंपनी को लगभग 1.8 सेकंड के डेटा का इंतज़ार करना चाहिए, गणित चलाना चाहिए, और यदि डेटा साबित करता है कि जनरेटर तेज़ कंट्रोलर का उपयोग कर रहा था, तो लगभग $31.65 का बोनस देना चाहिए।
वजन घटाने के कार्यक्रम (वेलनेस):
- बॉस: एक स्वास्थ्य बीमा कंपनी।
- एजेंट: वजन घटाने की कोशिश करने वाला एक व्यक्ति।
- समस्या: व्यक्ति बहुत अधिक व्यायाम (उच्च प्रयास) या बहुत कम व्यायाम (कम प्रयास) कर सकता है। बीमा कंपनी केवल व्यक्ति का वजन देखती है, जो पानी के प्रतिधारण (water retention), भोजन आदि के कारण उतार-चढ़ाव करता रहता है।
- परिणाम: बीमा कंपनी को 80 सप्ताह के डेटा का इंतज़ार करना चाहिए। यदि वजन घटने का पैटर्न यह साबित करता है कि व्यक्ति व्यायाम कर रहा था, तो कंपनी लगभग $217 का बोनस देगी।

निचोड़

आपको अपने एजेंट की जासूसी करने की ज़रूरत नहीं है ताकि आप उनसे कड़ी मेहनत करवा सकें। आपको बस यह करना है:

इंतज़ार करें यह देखने के लिए कि "कड़ी मेहनत करने" और "भाग्यशाली होने" के बीच का अंतर क्या है।
भुगतान करें एक गणितीय परीक्षण के आधार पर जो डेटा की तुलना इस बात से करता है कि "कड़ी मेहनत करना" कैसा दिखता है।
रुकें इससे पहले कि देरी भुगतान को बहुत महंगा बना दे।

यह शोध पत्र इस सटीक प्रतीक्षा समय और सटीक भुगतान राशि को खोजने के लिए सटीक गणित प्रदान करता है, जिससे यह सुनिश्चित होता है कि एजेंट सही काम करने के लिए प्रेरित रहे और बॉस को मन-पठन (mind-reader) बनने की आवश्यकता न पड़े।

यहाँ जेओंग, सू, सास्त्री और अश्वनी के शोध पत्र "Moral Hazard in LTI Dynamics: A Hypothesis Testing Approach" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र सूचना विषमता (विशेष रूप से, नैतिक जोखिम/moral hazard) के तहत स्टोकेस्टिक नियंत्रण प्रणालियों में प्रोत्साहन डिजाइन (incentive design) की समस्या का समाधान करता है।

संदर्भ: एक "प्रिंसिपल" (जैसे, पावर ग्रिड ऑपरेटर या बीमा कंपनी) एक गतिशील प्रणाली (dynamical system) को नियंत्रित करना चाहता है, लेकिन उसे नियंत्रण कार्यों को निष्पादित करने के लिए एक "एजेंट" (जैसे, एक जनरेटर या एक व्यक्ति) पर निर्भर रहना पड़ता है।
विषमता (The Asymmetry): प्रिंसिपल, एजेंट के प्रयास स्तर (चुने गए विशिष्ट नियंत्रक) को सीधे नहीं देख सकता। प्रिंसिपल केवल शोर युक्त (noisy) सिस्टम आउटपुट को देख पाता है।
सेटअप:
- सिस्टम प्रोसेस और मेजरमेंट नॉइज़ के साथ एक डिस्क्रीट-टाइम लीनियर टाइम-इनवेरिएंट (LTI) सिस्टम है।
- एजेंट दो लीनियर स्टेट-फीडबैक कंट्रोलर्स के बीच चयन करता है: एक लो-एफर्ट (Low-Effort) कंट्रोलर ( $K_0$ ) और एक हाई-एफर्ट (High-Effort) कंट्रोलर ( $K_1$ )।
- लागत संरचना (Cost Structure): हाई-एफर्ट कंट्रोलर के कारण एजेंट के लिए उच्च नियंत्रण लागत आती है, लेकिन इससे प्रिंसिपल के लिए कम स्टेट कॉस्ट होती है। एजेंट भुगतान के संबंध में जोखिम-विमुख (risk-averse) है।
उद्देश्य: देखे गए आउटपुट ट्राजेक्टरीज़ $Y_T = (y_1, \dots, y_T)$ के आधार पर एक भुगतान अनुबंध (payment contract) $\pi$ डिजाइन करना, जो एजेंट को हाई-एफर्ट कंट्रोलर ( $K_1$ ) चुनने के लिए प्रोत्साहित करे और साथ ही प्रिंसिपल की कुल अपेक्षित लागत (स्टेट कॉस्ट + डिस्काउंटेड पेमेंट) को न्यूनतम करे।

2. कार्यप्रणाली (Methodology)

लेखक इस समस्या को एक प्रतिबंधित अनुकूलन (constrained optimization) के रूप में तैयार करते हैं और इसे परिकल्पना परीक्षण (hypothesis testing) सिद्धांत का उपयोग करके हल करते हैं।

A. अनुबंध संरचना (Contract Structure)

अनुबंध को एक सरल, व्याख्या योग्य रूप तक सीमित रखा गया है:

एक निश्चित समय क्षितिज (time horizon) $T$ ।
दो भुगतान स्तर: $\pi_0$ (यदि ट्राजेक्टरी लो-एफर्ट जैसी दिखती है तो दिया जाता है) और $\pi_1$ (यदि ट्राजेक्टरी हाई-एफर्ट जैसी दिखती है तो दिया जाता है), जहाँ $\pi_1 \geq \pi_0$ ।
ऑब्जर्वेशन स्पेस में एक निर्णय क्षेत्र (decision region) $R$ । यदि $Y_T \in R$ , तो एजेंट को $\pi_1$ प्राप्त होता है; अन्यथा, $\pi_0$ ।

B. अनुकूलन सूत्रीकरण (Optimization Formulation)

प्रिंसिपल अपनी अपेक्षित कुल लागत को न्यूनतम करता है:
$\min_{T, R, \pi_0, \pi_1} \left( J_P^1 + \gamma_p^T \cdot \mathbb{E}[\pi] \right)$
इन शर्तों के अधीन:

इंसेंटिव कम्पैटिबिलिटी (IC): हाई-एफर्ट चुनने से एजेंट की अपेक्षित उपयोगिता (utility), लो-एफर्ट की तुलना में अधिक होनी चाहिए।
पार्टिसिपेशन कंस्ट्रेंट (PC): अनुबंध स्वीकार करने (और हाई-एफर्ट करने) से एजेंट की अपेक्षित उपयोगिता गैर-ऋणात्मक (या बाहरी विकल्प से बेहतर) होनी चाहिए।
लिमिटेड लायबिलिटी (वैकल्पिक): एक प्रतिबंध $\pi_0 \geq 0$ जो यह सुनिश्चित करता है कि एजेंट पर कभी जुर्माना न लगाया जाए।

C. सैद्धांतिक लक्षण वर्णन (Theoretical Characterization)

मुख्य सैद्धांतिक योगदान यह सिद्ध करना है कि इष्टतम निर्णय क्षेत्र $R^*$ एक लाइक्लीहुड रेशियो टेस्ट (LRT) द्वारा परिभाषित होता है।

मान लीजिए कि $H_0$ और $H_1$ , लो और हाई एफर्ट के तहत आउटपुट ट्राजेक्टरी $Y_T$ के संभाव्यता वितरण (probability distributions) हैं।
इष्टतम क्षेत्र है: $R^* = \{ Y_T : L_1(Y_T) \geq \kappa \cdot L_0(Y_T) \}$ , जहाँ $L_i$ हाइपोथेसिस $i$ के तहत लाइक्लीहुड है।
वितरण व्युत्पत्ति (Distribution Derivation): चूंकि सिस्टम नॉइज़ के साथ LTI है और गाऊसी (Gaussian) है, इसलिए आउटपुट वेक्टर $Y_T$ गाऊसीय है। लेखक लॉग-लाइक्लीहुड रेशियो (LLR) सांख्यिकी के वितरण को व्युत्पन्न करते हैं। वे सिद्ध करते हैं कि दोनों हाइपोथीसिस के तहत, LLR एक सामान्यीकृत ची-स्क्वायर वितरण (generalized chi-squared distribution) का अनुसरण करता है (स्वतंत्र नॉन-सेंट्रल ची-स्क्वेयर वेरिएबल्स और एक स्टैंडर्ड नॉर्मल वेरिएबल का एक रैखिक संयोजन)।

D. कम्प्यूटेशनल एल्गोरिदम (Computational Algorithm)

लेखक इष्टतम अनुबंध की गणना के लिए एक संख्यात्मक एल्गोरिदम प्रस्तावित करते हैं:

आउटर लूप (Outer Loop): संभावित समय क्षितिज $T$ पर पुनरावृत्ति (iterate) करना।
इनर लूप (Inner Loop): एक निश्चित $T$ के लिए, LRT थ्रेशोल्ड $\eta$ (जहाँ $R = \{ \text{LLR} \geq \eta \}$ ) पर लाइन सर्च करना।
संभाव्यता गणना: 'chi2comb' पायथन पैकेज के माध्यम से इम्होफ की विधि (Imhof's method) का उपयोग करके टाइप I और टाइप II त्रुटि दरों ( $\alpha$ और $\beta$ ) की गणना करना, जो व्युत्पन्न सामान्यीकृत ची-स्क्वायर वितरणों पर आधारित हैं।
अनुकूलन (Optimization): IC और PC बाधाओं का उपयोग करके इष्टतम भुगतान $\pi_0, \pi_1$ के लिए समाधान निकालना, फिर $T$ और $\eta$ का चयन करना जो प्रिंसिपल की लागत को न्यूनतम करता है।

3. प्रमुख योगदान (Key Contributions)

LRT की इष्टतमता: यह शोध पत्र सिद्ध करता है कि निरंतर आउटपुट और दो एफर्ट स्तरों वाले स्टोकेस्टिक LTI सिस्टम के लिए, इष्टतम अनुबंध संरचना एक लाइक्लीहुड रेशियो टेस्ट पर निर्भर करती है। यह डिस्क्रीट आउटपुट के लिए ज्ञात पिछले परिणामों का विस्तार करता है।
सांख्यिकीय लक्षण वर्णन: लेखक LTI सिस्टम के लिए लॉग-लाइक्लीहुड रेशियो के वितरण को स्पष्ट रूप से व्युत्पन्न करते हैं, यह दिखाते हुए कि यह एक सामान्यीकृत ची-स्क्वेयर वितरणों के योग के रूप में है। यह सिमुलेशन के बिना सटीक टाइप I और टाइप II त्रुटि दरों ( $\alpha$ और $\beta$ ) की गणना की अनुमति देता है।
ट्रेड-ऑफ विश्लेषण: यह कार्य अनुबंध डिजाइन में एक मौलिक ट्रेड-ऑफ की पहचान करता है:
- लंबा क्षितिज ( $T$ ): कंट्रोलर्स के बीच सिग्नल अंतर के सापेक्ष अनिश्चितता (शोर) को कम करता है, जिससे कम भुगतान की आवश्यकता होती है।
- छोटा क्षितिज: भुगतान के डिस्काउंटिंग लागत को कम करता है (क्योंकि प्रिंसिपल जल्दी भुगतान करता है)।
- इष्टतम $T$ इन विपरीत शक्तियों को संतुलित करता है, जिसके परिणामस्वरूप एक U-आकार का लागत वक्र मिलता है।

4. परिणाम और अनुप्रयोग (Results and Applications)

कार्य को दो अलग-अलग उदाहरणों का उपयोग करके मान्य किया गया था:

A. पावर सिस्टम में लोड फ्रीक्वेंसी कंट्रोल (LFC)

परिदृश्य: एक इंडिपेंडेंट सिस्टम ऑपरेटर (प्रिंसिपल) एक पावर जनरेटर (एजेंट) को फ्रीक्वेंसी रेगुलेशन के लिए एक हाई-परफॉरमेंस कंट्रोलर का उपयोग करने के लिए प्रोत्साहित करता है।
पैरामीटर्स: 4 स्टेट्स वाला डिस्क्रीट-टाइम सिस्टम, 30-सेकंड ऑपरेटिंग साइकिल।
परिणाम: इष्टतम अनुबंध लंबाई 1.8 सेकंड ( $T=18$ $T = 18$ स्टेप्स) पाई गई।
- इस क्षितिज पर, प्रिंसिपल की अपेक्षित लागत घटकर $30.09 हो जाती है।
- आवश्यक प्रोत्साहन भुगतान ( $\pi_1$ ) $31.65 है।
- छोटे क्षितिज में शोर के प्रभुत्व के कारण काफी अधिक भुगतान की आवश्यकता थी; लंबे क्षितिज ने डिस्काउंटिंग के कारण लागत बढ़ाई।

B. वेलनेस इंसेंटिव प्रोग्राम (वजन घटाना)

परिदृश्य: एक स्वास्थ्य बीमा कंपनी (प्रिंसिपल) एक व्यक्ति (एजेंट) को वजन घटाने के लिए शारीरिक गतिविधि (कदम) बढ़ाने के लिए प्रोत्साहित करती है।
पैरामीटर्स: 200 हफ्तों में वजन गतिशीलता के लिए एफ़ाइन (Affine) LTI मॉडल।
परिणाम: इष्टतम अनुबंध लंबाई 80 सप्ताह थी।
- बीमाकर्ता के लिए न्यूनतम लागत $121.58 थी।
- इष्टतम हाई-एफर्ट भुगतान $217.02 था।
- LFC मामले के समान, लागत वक्र U-आकार का था, जो विभिन्न भौतिक डोमेन में ट्रेड-ऑफ की मजबूती को प्रदर्शित करता है।

5. महत्व (Significance)

अर्थशास्त्र और नियंत्रण का मिलन: यह शोध पत्र प्रिंसिपल-एजेंट थ्योरी (अर्थशास्त्र) को स्टोकेस्टिक कंट्रोल (इंजीनियरिंग) के साथ सफलतापूर्वक एकीकृत करता है, जो साइबर-फिजिकल सिस्टम में प्रोत्साहन डिजाइन करने के लिए एक कठोर ढांचा प्रदान करता है।
व्यावहारिक कार्यान्वयन क्षमता: इस अनंत-आयामी अनुकूलन समस्या को एक सुलभ 2D खोज ( $T$ और $\eta$ पर) और क्लोज्ड-फॉर्म सांख्यिकीय वितरणों में बदलकर, यह दृष्टिकोण वास्तविक दुनिया के अनुप्रयोगों के लिए कम्प्यूटेशनल रूप से व्यवहार्य है।
निरंतर डेटा को संभालना: कई आर्थिक मॉडलों के विपरीत जो डिस्क्रीट परिणामों को मानते हैं, यह कार्य निरंतर, शोर युक्त टाइम-सीरीज डेटा को संभालता है, जो इंजीनियरिंग सिस्टम में विशिष्ट है, और यह सिद्ध करता है कि जटिल सेटिंग्स में भी LRT इष्टतम रहता है।
जोखिम-विमुखता: मॉडल स्पष्ट रूप से एजेंट की जोखिम-विमुखता को ध्यान में रखता है, यह दिखाता है कि उपयोगिता फलन (utility function) का आकार इष्टतम भुगतान संरचना को कैसे प्रभावित करता है।

निष्कर्षतः, यह शोध पत्र स्थापित करता है कि परिकल्पना परीक्षण (hypothesis testing) लीनियर स्टोकेस्टिक कंट्रोल सिस्टम में नैतिक जोखिम को हल करने के लिए गणितीय रूप से इष्टतम तंत्र है, जो यह स्पष्ट निर्देश देता है कि वांछित व्यवहार सुनिश्चित करने के लिए सिस्टम को कितनी देर तक देखना चाहिए और कितना भुगतान करना चाहिए।