📊 statistics

Optimal MILP Approach to Group Sequential Hypothesis Test

यह शोध पत्र समूह अनुक्रमिक परिकल्पना परीक्षणों को अनुकूलित करने के लिए सैंपल एवरेज एप्रोक्सिमेशन के साथ मिक्स्ड इंटीजर लीनियर प्रोग्रामिंग (S-MILP) दृष्टिकोण का प्रस्ताव करता है, जो यह प्रदर्शित करता है कि यह सख्त त्रुटि नियंत्रण बनाए रखते हुए शून्य परिकल्पना को शीघ्र अस्वीकार करने में सक्षम बनाकर लां-डेमेट्स (Lan-DeMets), पोकॉक (Pocock) और ओ'ब्रायन-फ्लेमिंग (O'Brien-Fleming) जैसे शास्त्रीय तरीकों से बेहतर प्रदर्शन करता है।

मूल लेखक: Dae Woong Ham, Stefanus Jasin, Xuejun Zhao

प्रकाशित 2026-05-06

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Dae Woong Ham, Stefanus Jasin, Xuejun Zhao

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 केस सुलझाने की कोशिश कर रहे एक जासूस हैं। आपके पास "सुराग" (डेटा) इकट्ठा करने के लिए एक सीमित बजट है, लेकिन आप समय और संसाधनों को बचाने के लिए जल्द से जल्द अपराधी को पकड़ना (शून्य परिकल्पना को खारिज करना) चाहते हैं। हालाँकि, आप केवल अनुमान नहीं लगा सकते; आपको सुनिश्चित करना होगा कि आप कोई गलती (एक "गलत अलार्म" या टाइप 1 त्रुटि) न करें।

विज्ञान और चिकित्सा की दुनिया में, इसे ग्रुप सीक्वेंशियल हाइपोथेसिस टेस्टिंग (GST) कहा जाता है। पूरे डेटा के आने तक इंतजार करने के बजाय, आप विशिष्ट चेकपॉइंट्स (समूहों) पर अपनी प्रगति की जांच करते हैं। सबसे बड़ा सवाल हमेशा यह रहा है: आपको प्रत्येक चेकपइंट पर कितना "जोखिम" (या त्रुटि बजट) खर्च करना चाहिए?

दशकों से, शोधकर्ता निश्चित नियमों (जैसे "ओ'ब्रायन-फ्लेमिंग" या "पोकोक" तरीके) का उपयोग करते आए हैं ताकि यह तय किया जा सके कि क्या किया जाए। इन नियमों को एक सख्त माता-पिता की तरह समझें जो आपको एक निश्चित पॉकेट मनी देते हैं: "तुम सोमवार को $1 खर्च कर सकते हो, मंगलवार को$ 1 और बुधवार को $1।" यह सुरक्षित है, लेकिन यह आपको तब भी इंतजार करने के लिए मजबूर कर सकता है जब आपको पहले ही दिन वह मिल गया हो।

यह पेपर इस समस्या को हल करने के लिए एक नए, स्मार्ट तरीके का परिचय देता है जिसे S-MILP (सैंपल एवरेज एप्रोक्सिमेशन कंबाइंड विद मिक्स्ड इंटीजर लीनियर प्रोग्रामिंग) कहा जाता है। यहाँ इसका सरल विवरण दिया गया है:

1. समस्या: "पॉकेट मनी" की दुविधा

कल्पना कीजिए कि आपके पास यात्रा पर जाने के लिए कुल $50 हैं। आप जल्द से जल्द सबसे अच्छा टिकट खरीदना चाहते हैं।

पुराने तरीके: आप एक पूर्व-लिखित योजना का पालन करते हैं। शायद आप पहले दिन $10, दूसरे दिन$ 10 और तीसरे दिन $30 खर्च करते हैं। यह गारंटी देता है कि आप पैसे खत्म नहीं करेंगे (त्रुटि दर को नियंत्रित करना), लेकिन यह आपको तीसरे दिन तक इंतजार करने के लिए मजबूर कर सकता है भले ही टिकट पहले ही दिन उपलब्ध हो गया हो।
लक्ष्य: शोधकर्ता एक परफेक्ट खर्च योजना खोजना चाहते थे जो आपको बिना कभी भी पैसे खत्म किए, जल्द से जल्द टिकट खरीदने में सक्षम बनाए।

2. समाधान: "स्मार्ट ऑप्टिमाइज़र"

लेखकों ने केवल एक नया प्लान नहीं बनाया; उन्होंने एक गणितीय मशीन (एक ऑप्टिमाइज़ेशन एल्गोरिदम) बनाई जो सबसे अच्छा प्लान खोजने के लिए है।

सिमुलेशन: चूंकि वे भविष्य की भविष्यवाणी नहीं कर सकते, इसलिए उन्होंने कंप्यूटर पर हजारों "क्या होगा अगर" वाले परिदृश्यों (सिमुलेशन) को चलाया। उन्होंने कल्पना की कि एक साथ हजारों अलग-अलग प्रयोग चल रहे हैं।
गणितीय जादू (MILP): उन्होंने इस जटिल अनुमान लगाने वाले खेल को एक विशाल पहेली में बदल दिया जिसे एक कंप्यूटर सॉल्वर हल कर सकता है। उन्होंने "बाइनरी वेरिएबल्स" (सोचिए कि ये बिजली के स्विच हैं जो या तो चालू या बंद होते हैं) का उपयोग किया, जो यह दर्शाते हैं कि क्या कोई विशिष्ट सुराग इतना मजबूत था कि प्रयोग को रोका जा सके।
परिणाम: कंप्यूटर ने एक ऐसी रणनीति खोजी जो गणितीय रूप से सिद्ध है कि यह त्रुटि की संभावना को बिल्कुल वहीं रखने का सबसे तेज़ तरीका है जहाँ उसे होना चाहिए।

3. बड़ी खोज: "जल्दी खर्च करें, जल्दी जीतें"

पुराने नियमों की तुलना में अनुकूल रणनीति के व्यवहार के बारे में सबसे दिलचस्प बात एक है।

पुराने नियम: शुरुआत में बहुत रूढ़िवादी होने की प्रवृत्ति रखते हैं। वे अपने "त्रुटि बजट" का अधिकांश हिस्सा अंत के लिए बचा कर रखते हैं, जैसे कि एक सतर्क ड्राइवर जो हाईवे साफ होने तक बहुत कम एक्सीलेटर दबाता है।
नई अनुकूल रणनीति: यह आक्रामक है। यह पहले ही चेकपॉइंट पर अपने त्रुटि बजट का एक बड़ा हिस्सा खर्च कर देती है।
रूपक: कल्पना कीजिए कि पुराने तरीके उन लोगों की तरह हैं जो हर घंटे अपनी घड़ी देखते हैं कि वे कितने लेट हैं। नया तरीका उस व्यक्ति की तरह है जो तुरंत अपनी घड़ी देखता है, महसूस करता है कि उसके पास जल्दी निकलने का मौका है, और निकल पड़ता है। पेपर दिखाता है कि शुरुआत में साहसी बनकर, आप अक्सर पारंपरिक तरीकों की तुलना में बहुत पहले प्रयोग को रोक सकते हैं।

4. वास्तविक प्रमाण: किडनी अध्ययन

इसे केवल एक सिद्धांत साबित करने के लिए, लेखकों ने एक वास्तविक चिकित्सा अध्ययन पर इसका परीक्षण किया जो एक्यूट किडनी इंजरी (AKI) के बारे में था।

परिदृश्य: एक वास्तविक अध्ययन ने देखा कि क्या एक कंप्यूटर अलर्ट सिस्टम डॉक्टरों को मरीजों को हानिकारक दवाएं देने से रोकने में मदद करता है। मूल अध्ययन ने निष्कर्ष तक पहुँचने के लिए 3,200 से अधिक रोगियों का डेटा लिया।
परीक्षण: शोधकर्ताओं ने पूछा, "यदि हमने इस नए 'स्मार्ट ऑप्टिमाइज़र' का उपयोग हमारे डेटा पर किया होता, तो क्या हम पहले रुक सकते थे?"
परिणाम: हाँ।
- एक परिदृश्य में, उनकी विधि ने केवल 2 समूहों के बाद प्रयोग को रोक दिया होता, जबकि पुराने तरीके को 3 समूहों की आवश्यकता थी।
- दूसरे परिदृश्य में (रोगियों के कई यादृच्छिक क्रमों के औसत के आधार पर), उनकी विधि ने 175 कम रोगियों के साथ निष्कर्ष तक पहुँच लिया।
- मूल अध्ययन के पूर्ण आकार की तुलना में, उनकी विधि उसी "सांख्यिकीय रूप से महत्वपूर्ण" निष्कर्ष तक 807 कम रोगियों के साथ पहुँच सकती थी।

5. यह क्यों मायने रखता है (पेपर के अनुसार)

दक्षता: आप कम लोगों, कम समय और कम पैसे के साथ वही वैज्ञानिक उत्तर प्राप्त कर सकते हैं।
नैतिकता: चिकित्सा परीक्षणों में, इसका मतलब है कि कम रोगियों को लंबे समय तक संभावित रूप से अप्रभावी या हानिकारक उपचारों के संपर्क में रहना पड़ेगा।
गति: डिजिटल टेस्टिंग (जैसे ऐप्स के लिए A/B टेस्टिंग) में, कंपनियाँ कहीं अधिक तेज़ी से तय कर सकती हैं कि कोई नया फीचर काम करता है या नहीं।

कमी (उल्लिखित सीमाएँ)

पेपर दो व्यावहारिक बाधाओं के बारे में ईमानदार है:

कंप्यूटिंग पावर: इस "परफेक्ट" प्लान को खोजने के लिए बहुत अधिक कंप्यूटिंग पावर की आवश्यकता होती है। यह कोई साधारण गणना नहीं है जिसे आप कागज पर कर सकें; इसके लिए एक शक्तिशाली कंप्यूटर की आवश्यकता होती है जो पहेली को हल करने के लिए कुछ समय (उनके परीक्षणों में लगभग 30 मिनट) तक चलता रहे।
लक्ष्य का ज्ञान: यह तरीका तब सबसे अच्छा काम करता है जब आपके पास इस बारे में एक अच्छा अनुमान हो कि प्रभाव वास्तव में कितना बड़ा है (वैकल्पिक परिकल्पना)। यदि आपका अनुमान बहुत गलत है, तो गणितीय गारंटी पूरी तरह से लागू नहीं हो सकती है, हालांकि लेखकों ने पाया कि जब अनुमान गलत भी थे, तब भी इसने पुराने तरीकों की तुलना में बेहतर प्रदर्शन किया।

संक्षेप में:
यह पेपर वैज्ञानिक डेटा की जांच करने के लिए "एक ही आकार के सभी के लिए उपयुक्त" (one-size-fits-all) नियमों को एक कस्टम-टेलर, गणितीय रूप से अनुकूलित रणनीति से बदल देता है। यह सिद्ध करता है कि शुरुआत में अपने "त्रुटि बजट" को अधिक आक्रामक रूप से खर्च करके, आप अक्सर अपने प्रयोग को बहुत तेज़ी से समाप्त कर सकते हैं, जिससे संसाधन बचते हैं और संभावित रूप से मरीजों को जल्दी मदद मिलती है।

तकनीकी सारांश: समूह अनुक्रमिक परिकल्पना परीक्षण (GST) के लिए इष्टतम MILP दृष्टिकोण

समस्या विवरण
ग्रुप सीक्वेंशियल हाइपोथीसिस टेस्टिंग (GST) $K$ निश्चित समय बिंदुओं (समूहों) पर आने वाले डेटा पर कई परीक्षण करने के लिए एक मानक ढांचा है, जिसमें कुल नमूना आकार $N$ पूर्व-निर्धारित होता है। कई अनुप्रयोगों में, जैसे कि क्लिनिकल ट्रायल्स और ऑनलाइन डिजिटल प्रयोगों में, प्राथमिक लक्ष्य अपेक्षित नमूना आकार (ESS) को कम करने के लिए निर्णय (शून्य परिकल्पना $H_0$ को अस्वीकार करना) यथाशीघ्र लेना होता है।

मौजूदा GST विधियाँ, जिनमें Lan-DeMets, Pocock, और O'Brien-Fleming शामिल हैं, टाइप-1 त्रुटि बजट ( $\alpha$ ) को $K$ चरणों में वितरित करने के लिए पूर्व-निर्धारित "अल्फा-स्पेंडिंग फंक्शन्स" पर निर्भर करती हैं। जबकि ये विधियाँ समान टाइप-1 त्रुटि नियंत्रण की गारंटी देती हैं, स्पेंडिंग फंक्शन का चयन अक्सर ह्यूरिस्टिक (अनुमानित) होता है। साहित्य ने पर्याप्त रूप से इस बात की खोज नहीं की है कि टाइप-1 त्रुटि ( $\alpha$ ) और टाइप-2 त्रुटि ( $\beta$ ) दोनों पर बाधाओं को संतुष्ट करते हुए, अपेक्षित स्टॉपिंग टाइम को कम करने के लिए इष्टतम अल्फा-स्पेंडिंग फंक्शन क्या होगा। लेखक नोट करते हैं कि जबकि Silva et al. (2020) ने बाइनरी परिणामों के लिए इसे संबोधित किया था, निरंतर, अनबाउंडेड परिणामों के सामान्य मामले में यह एक खुला अनुकूलन (optimization) समस्या बना हुआ है।

कार्यप्रणाली: S-MILP दृष्टिकोण
लेखक पूर्व-निर्धारित अल्फा-स्पेंडिंग फंक्शन्स पर निर्भर रहने के बजाय, सीधे इष्टतम रिजेक्शन थ्रेशोल्ड $\theta_1, \dots, \theta_K$ निर्धारित करने के लिए एक नवीन अनुकूलन-आधारित दृष्टिकोण प्रस्तावित करते हैं। कार्यप्रणाली मुख्य दो चरणों में आगे बढ़ती है:

एक स्टोकेस्टिक ऑप्टिमाइज़ेशन समस्या के रूप में सूत्रीकरण:
लेखक टाइप-1 और टाइप-2 त्रुटियों पर बाधाओं के अधीन, वैकल्पिक परिकल्पना $H_a$ के तहत अपेक्षित नमूना आकार को न्यूनतम करने के समस्या को सूत्रबद्ध करते हैं। ऑब्जेक्टिव फंक्शन और बाधाओं में जटिल घटनाओं की संभावनाएँ शामिल हैं (जैसे, पिछले थ्रेशोल्ड को पार किए बिना चरण $k$ पर टेस्ट स्टैटिस्टिक का थ्रेशोल्ड को पार करना)। यह सूत्रीकरण सामान्यतः गैर-कॉन्वेक्स (non-convex) और विच्छिन्न (discontinuous) इंडिकेटर फंक्शन्स के कारण जटिल और कठिन है।
सैंपल एवरेज एप्रोक्सिमेशन (SAA) और मिक्स्ड इंटीजर लीनियर प्रोग्रामिंग (MILP):
समस्या को सुलभ बनाने के लिए, लेखक एक सैंपल एवरेज एप्रोक्सिमेशन (SAA) का उपयोग करते हैं। वे $H_0$ और $H_a$ दोनों के तहत टेस्ट स्टैटिस्टिक्स के $M$ स्वतंत्र सैंपल पाथ (sample paths) उत्पन्न करते हैं। मूल सूत्रीकरण में मौजूद प्रायिकता पदों को $M$ पाथों पर एम्पिरिकल एवरेज (मोंटे कार्लो अनुमान) द्वारा प्रतिस्थापित किया जाता है।

परिणामस्वरूप प्राप्त SAA समस्या को फिर एक मिक्स्ड इंटीजर लीनियर प्रोग्राम (MILP) के रूप में पुनर्गठित किया जाता है। यह इंडिकेटर फंक्शन्स (जैसे, $\mathbb{I}(S_k \leq \theta_k)$ ) को लीनियर करने के लिए सहायक बाइनरी वेरिएबल्स का उपयोग करके किया जाता है। विशेष रूप से:

बाइनरी वेरिएबल्स यह दर्शाते हैं कि क्या कोई सैंपल पाथ थ्रेशोल्ड को पार करता है।
लॉजिकल कंस्ट्रेंट्स ("बिग-एम" फॉर्मुलेशन का उपयोग करके) इन बाइनरी वेरिएबल्स को निरंतर निर्णय वेरिएबल्स (थ्रेशोल्ड $\theta_k$ ) से जोड़ते हैं।
ऑब्जेक्टिव प्रत्येक चरण में बाइनरी वेरिएबल्स के भारित (weighted) लीनियर फंक्शन में बदल जाता है।

यह S-MILP सूत्रीकरण मानक वाणिज्यिक सॉल्वर (जैसे, Gurobi, CPLEX) का उपयोग करके इष्टतम थ्रेशोल्ड खोजने की अनुमति देता है।

विस्तार और सामान्यीकरण
लेखक मुख्य S-MILP ढांचे को कई व्यावहारिक परिदृश्यों तक विस्तारित करते हैं:

अज्ञात विचरण ( $t$ -tests): चूंकि $H_a$ के तहत $t$ -सांख्यिकी का वितरण अज्ञात विचरण $\sigma$ पर निर्भर करता है, लेखक दो समाधान प्रस्तावित करते हैं: (1) हाइपोथीसिस को मानकीकृत प्रभाव आकार $\delta$ के संदर्भ में पुनर्गठित करना, या (2) $\sigma$ का अनुमान लगाने के लिए एक पायलट अध्ययन का उपयोग करना और इसे प्लग-इन पैरामीटर के रूप में मानना।
सामान्य टेस्ट स्टैटिस्टिक्स: कन्वर्जेंस गारंटी को मनमाने निरंतर टेस्ट स्टैटिस्टिक्स के लिए सामान्यीकृत किया गया है, बशर्ते कि उनके वितरण को सैंपल किया जा सके और वे कुछ डेंसिटी बाउंडेडनेस शर्तों को पूरा करते हों।
सिमेट्रिक डिज़ाइन: फ्रेमवर्क को न केवल रिजेक्शन ( $H_a$ ) के लिए बल्कि स्वीकृति ( $H_0$ ) के लिए भी अर्ली स्टॉपिंग की अनुमति देने के लिए विस्तारित किया गया है, जो हाइब्रिड रणनीति के तहत अपेक्षित नमूना आकार को अनुकूलित करता है।

सैद्धांतिक गारंटी
लेखक S-MILP दृष्टिकोण के लिए कठोर परिमित-नमूना (finite-sample) अभिसरण विश्लेषण प्रदान करते हैं:

व्यवहार्यता (Feasibility): उच्च प्रायिकता के साथ, SAA समस्या का व्यवहार्य क्षेत्र मूल अनुकूलन समस्या के वास्तविक व्यवहार्य क्षेत्र का सन्निकटन करता है जैसे-जैसे $M$ बढ़ता है।
इष्टतमता अंतराल (Optimality Gap): SAA समाधान के इष्टतम ऑब्जेक्टिव मान और वास्तविक इष्टतम मान के बीच का अंतर $O(1/\sqrt{M})$ (लॉगैरिद्मिक कारकों तक) की दर से शून्य की ओर अभिसरित होता है, यह मानते हुए कि मंगसैरियन-फ्रोमोविट्ज़ कंस्ट्रेंट क्वालिफिकेशन (MFCQ) लागू होता है। लेखक प्रदर्शित करते हैं कि MFCQ शून्य लेबेग माप के सेट को छोड़कर लगभग हर जगह लागू होता है।
समाधानों का अभिसरण: SAA समस्या का इष्टतम समाधान $M \to \infty$ होने पर प्रायिकता 1 के साथ मूल समस्या के इष्टतम समाधानों के सेट की ओर अभिसरित होता है।

परिणाम और अनुभवजन्य मूल्यांकन
लेखक सिमुलेशन और एक वास्तविक दुनिया के अनुप्रयोग के माध्यम से अपने दृष्टिकोण को मान्य करते हैं:

सिमुलेशन परिणाम: Lan-DeMets, Pocock, और O'Brien-Fleming विधियों के साथ S-MILP दृष्टिकोण की तुलना करने पर, S-MILP दृष्टिकोण लगातार कम अपेक्षित नमूना आकार (ESS) प्राप्त करता है। उदाहरण के लिए, $K=5$ और $K=7$ के साथ, S-MILP विधि ने Lan-DeMets की तुलना में क्रमशः लगभग 13% और 12% का सुधार दिखाया, और O'Brien-Fleming की तुलना में 33% तक का सुधार दिखाया।
अल्फा-स्पेंडिंग व्यवहार: अनुकूलन यह प्रकट करता है कि इष्टतम रणनीति शुरुआती चरणों में अल्फा-बजट को "आक्रामक रूप से" खर्च करने की है, जो सबसे आक्रामक पारंपरिक विधियों (जैसे Pocock) की तुलना में भी काफी अधिक है। यह अर्ली स्टॉपिंग की दक्षता के बारे में अंतर्दृष्टि प्रदान करता है।
क्लिनिकल अनुप्रयोग: इस पद्धति को एक्यूट किडनी इंजरी (AKI) हस्तक्षेपों पर एक रैंडमाइज्ड कंट्रोल्ड ट्रायल के पुन: विश्लेषण में लागू किया गया था। S-MILP दृष्टिकोण का उपयोग करके, लेखकों ने प्रदर्शित किया कि मूल विश्लेषण में उपयोग की गई O'Brien-Fleming विधि की तुलना में उसी सांख्यिकीय रूप से महत्वपूर्ण निष्कर्ष को कम नमूनों के साथ प्राप्त किया जा सकता था (परम्यूटेशन में औसतन लगभग 175 रोगियों की बचत, और पूर्ण मूल अध्ययन की तुलना में 807 रोगियों की बचत)।

महत्व और दावे
लेखक दावा करते हैं कि यह निर्धारित अल्फा-स्पेंडिंग फंक्शन्स के माध्यम से रिजेक्शन रीजन को निर्दिष्ट करने के बजाय सीधे रिजेक्शन रीजन को अनुकूलित करके GST समस्याओं के लिए पहला सामान्य, इष्टतम दृष्टिकोण प्रदान करने में से एक है। उनके मुख्य योगदान हैं:

इष्टतमता: यह प्रदर्शित करना कि अनुकूलन-आधारित थ्रेशोल्ड चयन शास्त्रीय विधियों की तुलना में स्पष्ट रूप से कम अपेक्षित नमूना आकार प्रदान करता है।
पद्धतिगत नवाचार: SAA के माध्यम से स्टोकेस्टिक सीक्वेंशियल टेस्टिंग और नियत MILP सॉल्वरों के बीच के अंतर को सफलतापूर्वक पाटना, जहाँ निरंतर परिणामों के लिए पिछले लीनियर प्रोग्रामिंग दृष्टिकोण विफल रहे थे।
व्यावहारिक अंतर्दृष्टि: अल्फा-स्पेंडिंग पर लंबे समय से चल रही बहस को चुनौती देना कि गणितीय रूप से इष्टतम रणनीति प्रारंभिक चरणों में त्रुटि बजट को बहुत जल्दी खर्च करना है, जो कई मानक विधियों की रूढ़िवादी प्रकृति के विपरीत है।

लेखक व्यावहारिक सीमाओं को स्वीकार करते हैं, यह नोट करते हुए कि बड़े $M$ (जैसे, $M=2000$ ) के लिए MILP को हल करने की कम्प्यूटेशनल लागत महत्वपूर्ण हो सकती है, हालांकि यह उचित समय सीमा (जैसे, $K=5$ के लिए ~30 मिनट) के भीतर हल करने योग्य है। वे यह भी नोट करते हैं कि उनकी इष्टतमता गारंटी वैकल्पिक परिकल्पना के प्रभाव आकार के सही विनिर्देश पर निर्भर करती है, हालांकि अनुभवजन्य परिणाम मिसस्पेसिफिकेशन (गलत विनिर्देश) के तहत भी मजबूती (robustness) दिखाते हैं।