The Nonparametric Kiefer-Weiss Problem

तकनीकी सारांश: नॉनपैरामेट्रिक कीफर-वाइस समस्या (The Nonparametric Kiefer–Weiss Problem)

समस्या का स्वरूप
यह शोध पत्र कीफर-वाइस समस्या के एक नवीन संस्करण को संबोधित करता है, जिसे नॉनपैरामेट्रिक कीफर-वाइस समस्या (NPKWT) कहा गया है। जहाँ शास्त्रीय कीफर-वाइस समस्या त्रुटि बाधाओं (error constraints) के अधीन एक पैरामेट्रिक वितरण परिवार पर अधिकतम अपेक्षित नमूना आकार (expected sample size) को कम करने का प्रयास करती है, वहीं NPKWT इस उद्देश्य और बाधा डोमेन को उलट देता है। इसका लक्ष्य टाइप I और टाइप II त्रुटि प्रायोंताओं ($\alpha + z\beta$) के भारित योग (weighted sum) को न्यूनतम करना है, जबकि एक प्रतिबंध यह है कि दिए गए अनुक्रम स्थान (sequence space) पर सभी संभावित प्रायिकता वितरणों के लिए अपेक्षित नमूना आकार एक स्थिरांक $c$ से अधिक नहीं होना चाहिए। औपचारिक रूप से, समस्या को इस प्रकार परिभाषित किया गया है:
$$\inf_{\psi \in I^\infty_c} \inf_{\delta \in I^\infty} \alpha(\delta, \psi) + z \beta(\delta, \psi)$$
जहाँ $I^\infty_c$ उन स्टॉपिंग पॉलिसियों (stopping policies) का सेट है जहाँ $P \in \mathcal{M}(\mathcal{X}^\infty)$ के लिए $E_P[T] \le c$ है। लेखक बाइनरी परिकल्पनाओं $H_0$ और $H_1$ को मानते हैं, जो अवलोकनों के i.i.d. वितरण से संबंधित हैं, जहाँ $P_1$, $P_0$ के सापेक्ष पूर्णतः सतत (absolutely continuous) है।

कार्यप्रणाली (Methodology)
इसका समाधान एक "सीमित-यादृच्छिकता" (limited-randomness) दृष्टिकोण का उपयोग करते हुए, एक अनुकूलतम स्टॉपिंग समस्या (optimal stopping problem) में न्यूनीकरण (reduction) के माध्यम से प्राप्त किया गया है।

1. अनुकूलतम स्टॉपing समस्या में न्यूनीकरण: लेखक पहले यह प्रदर्शित करते हैं कि इष्टतम निर्णय नीति $\delta^*$ एक लाइकलीहुड रेशियो टेस्ट (LRT) है। यह समस्या को एक इष्टतम स्टॉपिंग पॉलिसी $\psi$ खोजने में बदल देता है जो लागत फलन $E_0[g(z \Lambda_T)]$ को न्यूनतम करता है, जहाँ $\Lambda_T$ स्टॉपिंग टाइम पर लाइकलीहुड रेशियो है और $g(z) = \min\{1, z\}$ है।
2. सीमित यादृच्छिकता ($k$-randomization): लेखक उप-समस्याओं के एक अनुक्रम को पेश करते हैं जहाँ यादृच्छिक स्टॉपिंग निर्णयों की संख्या $k$ तक सीमित है। वे $k$ यादृच्छिकताओं के साथ न्यूनतम लागत को दर्शाने वाले एक लागत फलन $\rho_k(z, c)$ को परिभाषित करते हैं।
   • $k=0$ (निर्धारित/deterministic) के लिए, इष्टतम परीक्षण एक फिक्स्ड-सैंपल-साइज टेस्ट (FSST) में बदल जाता है जिसका नमूना आकार $\lfloor c \rfloor$ है।
   • $k \ge 1$ के लिए, लेखक एक रिकर्सिव बेलमैन-टाइप समीकरण (लेम्मा 4.3) व्युत्पन्न करते हैं जो $\rho_k$ को $\rho_{k-1}$ से जोड़ता है। इसमें शेष नमूनों के संभावित "बजट" $b$ पर एक फलन $r_k(z, b)$ को अधिकतम करना शामिल है।
3. असीमित यादृच्छिकता ($k \to \infty$): मूल समस्या का समाधान $k \to \infty$ का सीमा (limit) लेकर प्राप्त किया जाता है। लेखक सिद्ध करते हैं कि $\rho_k$, एक सीमा फलन $\rho(z, c)$ की ओर बिंदुवार (pointwise) अभिसरित होता है।
   • मुख्य संरचनात्मक परिणाम: सीमित मामले के विपरीत, सीमा फलन $\rho(z, \cdot)$ को पूर्णांकों पर ब्रेकपॉइंट्स के साथ उत्तल (convex) और खंडीय रैखिक (piecewise linear) दिखाया गया है। यह गुण इष्टतम स्टॉपिंग नियम को काफी सरल बना देता है।
   • इष्टतम नीति: इष्टतम स्टॉपिंग नियम एक द्वि-आयामी टेस्ट सांख्यिकी $(z_t, c_t)$ द्वारा अभिलक्षित है, जहाँ $z_t$ लाइकलीहुड रेशियो है और $c_t$ शेष अपेक्षित नमूना आकार को ट्रैक करता है। स्टॉपिंग प्रायिकता एक फलन $m^*(z)$ द्वारा निर्धारित होती है, जो लाइकलीहुड रेशियो को एक पूर्णांक-मान वाले नमूना आकार में मैप करता है। नियम है:
     $$\psi^*_t = 1 - \frac{c_t}{\max\{c_t, m^*(z_t)\}}$$
     यदि $c_t < m^*(z_t)$, तो परीक्षण $1 - c_t/m^*(z_t)$ की प्रायिकता के साथ रुक जाता है; अन्यथा, यह निश्चितता के साथ जारी रहता है।

प्रमुख योगदान और परिणाम

• अस्तित्व और अभिलक्षण: यह शोध पत्र एक इष्टतम स्टॉपिंग पॉलिसी के अस्तित्व को सिद्ध करता है और इसे एक गैर-रैखिक बेलमैन समीकरण (समीकरण 17) के समाधान के रूप में अभिलक्षित करता है।
• द्वि-आयामी सांख्यिकी: इष्टतम नीति एक द्वि-आयामी अवस्था (state) पर निर्भर करती है: लाइकलीहुड रेशियो और शेष नमूना बजट। यह मानक सीक्वेंशियल प्रोबेबिलिटी रेशियो टेस्ट (SPRTs) के विपरीत है, जो आमतौर पर निश्चित थ्रेशोल्ड के साथ एक-आयामी लाइकलीहुड रेशियो पर निर्भर करते हैं।
• यादृच्छिकता (Randomization) की भूमिका: इष्टतम रणनीति यादृच्छिकता का उपयोग करके कुछ रन के लिए शेष अपेक्षित नमूना आकार को "बढ़ाने" के लिए डिज़ाइन की गई है, जबकि अन्य के लिए जल्दी रुक जाती है। यह तंत्र परीक्षण को सभी वितरणों के लिए सबसे खराब स्थिति (worst-case) वाले अपेक्षित नमूना आकार की बाधा को पूरा करते हुए त्रुटि प्रायताओं को कम करने की अनुमति देता है।
• मजबूती (Robustness) और अनट्रंकेटेड प्रकृति:
  • NPKWT में एक "लागत समानीकरण" (equalization of cost) गुण है: सभी संभावित अवलोकन अनुक्रमों के लिए अपेक्षित नमूना आकार स्थिर ($c$) रहता है, जिससे प्रत्येक वितरण "सबसे प्रतिकूल" (least favorable) बन जाता है।
  • कई पैरामेट्रिक कीफर-वाइस टेस्ट के विपरीत, NPKWT अनट्रंकेटेड (untruncated) है; स्टॉपिंग टाइम सभी गैर-ऋणात्मक पूर्णांकों पर समर्थित है, हालांकि अपेक्षा (expectation) सीमित रहती है।
• अनुमान (Approximations): लेखक एकल-यादृच्छिकता मामले ($k=1$) और अनंत विश्लेषण ($z \to 0, \infty$) के आधार पर इष्टतम मैपिंग $m^*(z)$ के लिए दो व्यावहारिक अनुमान प्रस्तावित करते हैं। इन अनुमानों को इष्टतम नमूना आकार को सीमित करने वाला और गणनात्मक रूप से कुशल दिखाया गया है।
• संख्यात्मक सत्यापन: बर्नौली शिफ्ट (Bernoulli shift) और नॉर्मल मीन शिफ्ट (Normal mean shift) के दो संख्यात्मक उदाहरण परिणामों को स्पष्ट करते हैं। सिमुलेशन दिखाते हैं कि भले ही एक एकल यादृच्छिकता ($k=1$) की अनुमति दी जाए, तो यह निर्धारित FSSTs ($k=0$) की तुलना में त्रुटि प्रायता को काफी कम कर देता है, और $k \to \infty$ होने पर लाभ मामूली रूप से बढ़ता है। स्टॉपिंग टाइम वितरणों में भारी दाहिनी पूंछ (heavy right tails) दिखाई देती है, जो नीति की अनट्रंकेटेड प्रकृति के अनुरूप है।

महत्व और दावे
यह शोध पत्र दावा करता है कि यह कीफर-वाइस ढांचे को नॉनपैरामेट्रिक सेटिंग में विस्तारित करके अनुक्रमिक विश्लेषण (sequential analysis) की एक मौलिक समस्या को हल करता है। इसका महत्व निम्नलिखित में निहित है:

1. मजबूती (Robustness): NPKWT एक ऐसा परीक्षण प्रदान करता है जो मॉडल मिसमैच के प्रति मजबूत है, क्योंकि यह किसी विशिष्ट पैरामेट्रिक परिवार के बजाय सबसे खराब स्थिति वाले वितरण के लिए अनुकूलित है।
2. सैद्धांतिक अंतर्दृष्टि: यह प्रकट करता है कि इष्टतम नॉनपैरामेट्रिक अनुक्रमिक परीक्षण के लिए यादृच्छिक स्टॉपिंग नियमों और द्वि-आयामी अवस्था स्थान की आवश्यकता होती है, जो इस धारणा को चुनौती देता है कि इष्टतम परीक्षण हमेशा लाइकलीहुड रेशियो पर आधारित थ्रेशोल्ड-आधारित होते हैं।
3. व्यावहारिक उपयोगिता: हालांकि सटीक समाधान के लिए एक इंटीग्रल समीकरण को हल करना आवश्यक है, शोध पत्र तर्क देता है कि NPKWT अनिवार्य रूप से एक "संवर्धित (augmented) SPRT" है जो इष्टतम मैपिंग $m^*$ से विचलन के प्रति मजबूत है। यह सुझाव देता है कि प्रस्तावित अनुमानों का उपयोग न्यूनतम गणनात्मक ओवरहेड के साथ व्यावहारिक रूप से किया जा सकता है, जो पारंपरिक कीफर-वाइस टेस्ट का एक व्यवहार्य विकल्प प्रदान करता है जिन्हें अक्सर जटिल, समय-निर्भर थ्रेशोल्ड की आवश्यकता होती है।

लेखक निष्कर्ष निकालते हैं कि हालांकि NPKWT सैद्धांतिक रूप से दिलचस्प है, इसकी मजबूती और सरल अनुमानों की उपलब्धता इसे उच्च मॉडल अनिश्चितता वाले व्यावहारिक अनुप्रयोगों के लिए एक आकर्षक विकल्प बनाती है। FSSTs पर लाभ के विस्तार और अनुमत यादृccिकताओं की संख्या के संबंध में इष्टतम नमूना आकार की एकतोन्यता (monotonicity) जैसे खुले प्रश्न शेष हैं।