Target-Oriented Statistical Compression: Sufficiency, Reverse Martingales, and Sequential Monitoring

तकनीकी सारांश: लक्ष्य-उन्मुख सांख्यिकीय संपीड़न (Target-Oriented Statistical Compression)

समस्या विवरण
सांख्यिकीय प्रक्रियाएं अक्सर उन डेटा विशेषताओं को हटा देती हैं जो एक विशिष्ट अनुमानात्मक लक्ष्य (inferential target) के लिए अप्रासंगिक होती हैं, जिससे जटिल डेटा पथों को पर्याप्त सांख्यिकी (sufficient statistics), अधिकतम संभावना अनुमान (MLE), या अनुक्रमिक मॉडलों में छिपी अवस्थाओं (hidden states) जैसे सारांशों में संकुचित कर दिया जाता है। एक महत्वपूर्ण चुनौती अनुक्रमिक द्विआधारी निगरानी (sequential binary monitoring) में उत्पन्न होती है: परिमित डेटा "सीमा विघातकता" (boundary degeneracy) (जैसे, शून्य या एक की सटीक प्रायिकता) का संकेत दे सकता है, जो सभी-विफलता रन (all-failure runs), लॉजिस्टिक सेपरेशन (logistic separation), या अस्थिर संपीड़न पथों जैसी क्षणिक घटनाओं के कारण होता है। यह शोध पत्र तर्क देता है कि परिमित सीमा निकटता (finite boundary closeness) केवल एक नैदानिक लक्षण है, जबकि सटीक सीमा विघातकता (exact boundary degeneracy) सशर्त लक्ष्य प्रक्रिया (conditional target process) का एक सीमित गुण (limiting property) है। मौजूदा अनुक्रमिक विधियाँ, जैसे कि अनुक्रमिक प्रायिकता अनुपात परीक्षण (SPRT) और संचयी योग (CUSUM) चार्ट, परिकल्पना परीक्षण या माध्य बदलावों को संबोधित करती हैं, लेकिन वे स्पष्ट रूप से यह सत्यापित नहीं करती हैं कि क्या एक सशर्त लक्ष्य अनिश्चितता और प्रक्षेपवक्र सुसंगतता (trajectory coherence) को नियंत्रित करते हुए एक सीमा पर स्थिर रूप से अभिसरित हुआ है।

कार्यप्रणाली
यह शोध पत्र लक्ष्य-उन्मुख सांख्यिकीय संपीड़न का एक एकीकृत ढांचा विकसित करता है। मुख्य वस्तु सशर्त लक्ष्य प्रक्रिया $M_n = E(Z \mid G_n)$ है, जहाँ $Z$ अनुमानात्मक लक्ष्य है और $G_n = \sigma(T_n)$ वह $\sigma$-क्षेत्र (σ-field) है जो संपीड़न मानचित्र $T_n$ द्वारा रिटेन की गई सूचना का प्रतिनिधित्व करता है।

1. रिवर्स मार्टिंगेल संरचना (Reverse Martingale Structure): रिटेन की गई सूचना क्षेत्रों $(G_n)$ को एक घटती हुई फिल्ट्रेशन (decreasing filtration) के रूप में व्यवस्थित करके (टेल $\sigma$-क्षेत्रों $G_n = \sigma(T_k : k \ge n)$ का उपयोग करके), प्रक्रिया $(M_n)$ एक रिवर्स मार्टिंगेल बनाती है। प्रमेय 2.3 के अनुसार, $M_n$ एक सीमित लक्ष्य $M_\infty = E(Z \mid G_\infty)$ की ओर लगभग निश्चित रूप से (almost surely) और $L^1$ में अभिसरित होता है।

2. अनुमानित पर्याप्तता और दोष (Approximate Sufficiency and Defects): जब सारांश सटीक रूप से पर्याप्त नहीं होते हैं (जैसे, दंडित अनुमानक, सीखे गए निरूपण), तो प्रक्रिया एक रिवर्स क्वासी-मार्टिंगेल (reverse quasi-martingale) बन जाती है। सटीक सुसंगतता से विचलन को रिवर्स क्वासी-मार्टिंगेल दोष द्वारा मापा जाता है:
   $$\delta_n = E(M_n \mid G_{n+1}) - M_{n+1}$$
   अवलोकनीय चरण-दर-चरण परिवर्तन $r_n = |M_n - M_{n-1}|$ इस सैद्धांतिक दोष के लिए एक अनुभवजन्य प्रॉक्सी (empirical proxy) के रूप में कार्य करता है।

3. तीन-शर्त वाला स्टॉपिंग नियम ($\tau_{RM}$): एक व्यावहारिक सीमा घोषित करने के लिए (जैसे, $M_\infty \approx 0$ या $1$), यह शोध पत्र एक स्टॉपिंग नियम प्रस्तावित करता है जिसमें तीन समानांतर शर्तें आवश्यक हैं:

   • सीमा निकटता ($B_n \le \varepsilon$): वर्तमान लक्ष्य प्रोजेक्शन सीमा के पास है।
   • अनिश्चितता स्थानीयकरण ($W_n \le w$): $M_\infty$ के लिए समय-एकसमान विश्वास अनुक्रम (time-uniform confidence sequence) या पश्चवर्ती विश्वसनीय अंतराल (posterior credible interval) की चौड़ाई पर्याप्त रूप से कम है।
   • प्रक्षेपवक्र स्थिरता ($r_n \le \eta$): अनुभवजन्य स्थिरता दोष छोटा है, जो यह सुनिश्चित करता है कि सीमा-निकट अवस्था एक क्षणिक आर्टिफैक्ट नहीं है।

   $$\tau_{RM} = \inf \{ n \ge n_{\min} : B_n \le \varepsilon, \ W_n \le w, \ r_n \le \eta \}$$

प्रमुख योगदान

• एकीकृत संपीड़न ढांचा: यह शोध पत्र सांख्यिकीय सारांशों (पर्याप्त सांख्यिकी, MLE, छिपी अवस्थाओं) को घटती फिल्ट्रेशन प्रेरित करने वाले संपीड़न मानचित्रों के रूप में औपचारिक रूप देता है, जिसमें सशर्त लक्ष्य प्रक्रिया रिवर्स-मार्टिंगेल विश्लेषण के लिए स्वाभाविक वस्तु है।
• सैद्धांतिक अंतर: यह परिमित सीमा निकटता (एक परिमित-नमूना नैदानिक) और सटीक सीमा विघातकता (एक $M_\infty$ का गुण) के बीच कड़ाई से अंतर करता है।
• संरचनात्मक न्यूनीकरण: प्रस्ताव 2.10 सिद्ध करता है कि जब रिटेन किया गया सारांश सटीक रूप से पर्याप्त (जैसे, संयुग्मी पूर्व वितरणों के साथ नॉर्मल, बर्नौली, या पॉइसन परिवार) होता है, तो सुसंगतता दोष $\delta_n$ शून्य होता है। फलस्वरूप, स्थिरता की स्थिति $r_n \le \eta$ स्वतः ही संतुष्ट हो जाती है, और नियम $\tau_{RM}$ सटीक रूप से दो-शर्त वाले नियम $\tau_{2cond}$ (निकटता + अनिश्चितता) में बदल जाता है, जिससे कोई अतिरिक्त विलंब नहीं होता।
• दोष मात्रा निर्धारण: अनुमानित सारांशों (जैसे, सेपरेशन के साथ लॉजिस्टिक रिग्रेशन, न्यूरल नेटवर्क हिडन स्टेट्स) के लिए, यह शोध पत्र $\delta_n$ और इसके प्रॉक्सी $r_n$ को सूचना हानि या निरूपण बेमेल (representation mismatch) के मात्रात्मक माप के रूप में पेश करता है, जो संपीड़न अस्थिर होने पर घोषणाओं को विलंबित करने के लिए एक तंत्र प्रदान करता है।

परिणाम
बर्नौली, गॉसियन, पॉइसन और लॉजिस्टिक सेटिंग्स के साथ-साथ वास्तविक सार्वजनिक स्वास्थ्य निगरानी परिदृश्यों (ताइवान CDC ILI और NHANES ब्लड-लीड डेटा) में संख्यात्मक अंशांकन अध्ययन प्रदर्शित करते हैं:

• गलत घोषणा में कमी: सटीक पर्याप्तता सेटिंग्स (बर्नौली, पॉइसन) में, केवल-सीमा नियम ($\tau_{bdy}$) क्षणिक 'ऑल-फेल्योर प्रीफिक्स' के कारण अक्सर जल्दी रुक जाता है, जिससे उच्च गलत-घोषणा दर (जैसे, एक विशिष्ट बर्नौली परिदृश्य में 22.6%) प्राप्त होती है। पूर्ण नियम $\tau_{RM}$ (जो यहाँ $\tau_{2cond}$ की तरह व्यवहार करता है) अनिश्चितता स्थानीयकरण की प्रतीक्षा करके इस दर को लगभग शून्य तक कम कर देता है।
• अनुमानित संपीड़न सुरक्षा: सेपरेशन के साथ लॉजिस्टिक रिग्रेशन सेटिंग्स में, स्थिरता की स्थिति $r_n \le \eta$ दो-शर्त वाले नियम पर अतिरिक्त सुरक्षा प्रदान करती है, जो स्पष्ट सीमा निकटता के बावजूद अस्थिर भविष्य कहनेवाला प्रक्षेपवक्रों के दौरान रुकने की प्रक्रिया को विलंबित करती है।
• क्वासी-मार्टिंगेल डायग्नोस्टिक्स: विक्षोभ अध्ययनों (मिस्पेसिफिकेशन, एक्सपोनेंशियल स्मूथिंग) में, दोष $r_n$ गैर-योग करने योग्य (non-summable) दोषों (गैर-घटते प्रक्षेपवक्रों) की पहचान सही ढंग से करता है, जिससे उन मामलों में समयपूर्व रुकने से बचाव होता है जहाँ सैद्धांतिक अभिसरण धारणाएं विफल हो जाती हैं।

महत्व और दावे
शोध पत्र का दावा है कि यह सांख्यिकीय संपीड़न के लिए एक एकीकृत संगठित सिद्धांत प्रदान करता है, जो शास्त्रीय पर्याप्तता, संभावना-आधारित अनुमान और आधुनिक अनुक्रमिक निगरानी को जोड़ता है। इसका प्राथमिक महत्व सीमा घोषणाओं को पुनर्गठित करने में निहित है: शून्य या एक के पास का मान एक विश्वसनीय अनुमानात्मक कथन नहीं है जब तक कि इसे एक स्थिर सशर्त लक्ष्य, स्थानीयकृत अनिश्चितता, और संपीड़न पथ के माध्यम से सुसंगत व्यवहार द्वारा समर्थित न किया जाए।

लेखक जोर देते हैं कि प्रस्तावित ढांचा शास्त्रीय उपकरणों जैसे SPRT या CUSUM को प्रतिस्थापित नहीं करता है बल्कि एक पूरक प्रश्न को संबोधित करता है: क्या सशर्त लक्ष्य स्थिर रूप से एक सीमा के पास है। शोध पत्र विनम्रतापूर्वक नोट करता है कि जबकि यहाँ सैद्धांतिक आधार स्थापित किया गया है, विस्तृत अनुप्रयुक्त प्रक्रियाएं, परिमित-नमूना त्रुटि सीमाएं, और विशिष्ट सीमा पहचान समस्याओं के लिए व्यापक संख्यात्मक साक्ष्य एक साथी शोध पत्र (Chang, 2026) में विकसित किए गए हैं। वर्तमान कार्य गणितीय आधार, घटती फिल्ट्रेशन के निर्माण, और सटीक पर्याप्तता के तहत रिवर्स क्वासी-मार्टिंगेल दोषों की परिभाषा पर केंद्रित है।