Cauchy Aggregation of Ridge-Regularized Hotelling Tests for High-Dimensional Change-Point Detection

तकनीकी सारांश: उच्च-आयामी चेंज-पॉइंट डिटेक्शन के लिए रिज-रेगुलराइज्ड हॉटलिंग टेस्ट का कॉची एकत्रीकरण (Cauchy Aggregation)

1. समस्या का निरूपण (Problem Formulation)
यह शोध पत्र एक उच्च-आयामी समय श्रृंखला (time series) के माध्य वेक्टर (mean vector) में परिवर्तन का पता लगाने की समस्या को संबोधित करता है, जहाँ आयाम $p$, नमूना आकार $n$ के तुल्य होता है। डेटा मॉडल $X_j = \mu_j + \Sigma_p^{1/2}Z_j$ है, जहाँ सहप्रसरण मैट्रिक्स (covariance matrix) $\Sigma_p$ समय-अपरिवर्तनीय है, और लक्ष्य $H_0: \mu_1 = \dots = \mu_n$ के विरुद्ध परीक्षण करना है, जिसमें एक या अधिक अचानक माध्य बदलाव (abrupt mean shifts) शामिल हैं।

उच्च-आयामी परिवेश में, नमूना सहप्रसरण मैट्रिक्स $S_n$ अक्सर विलक्षण (singular) या खराब स्थिति (ill-conditioned) में होता है, जिससे $S_n^{-1}$ पर आधारित शास्त्रीय हॉटलिंग-प्रकार के परीक्षण अनुपयुक्त हो जाते हैं। रिज-रेगुलराइज्ड हॉटलिंग (RHT) परीक्षण, जो $S_n^{-1}$ के स्थान पर $(S_n + \lambda I_p)^{-1}$ का उपयोग करते हैं, एक समाधान प्रदान करते हैं। हालाँकि, RHT परीक्षणों की शक्ति (power) रिज पैरामीटर $\lambda$ के चयन पर महत्वपूर्ण रूप से निर्भर करती है। इष्टतम $\lambda$ अज्ञात सहप्रसरण संरचना और माध्य बदलाव की अज्ञात दिशा/विरलता (sparsity) द्वारा निर्धारित होता है। एक एकल निश्चित $\lambda$ का चयन करने से शक्ति में भारी कमी आने का जोखिम रहता है यदि चयन वास्तविक अंतर्निहित सिग्नल के सापेक्ष गलत तरीके से निर्दिष्ट (misspecified) हो।

2. कार्यप्रणाली (Methodology)
लेखक एक एकत्रीकरण दृष्टिकोण प्रस्तावित करते हैं जो एक एकल इष्टतम रिज पैरामीटर चुनने से बचता है। इसके बजाय, विधि इस प्रकार कार्य करती है:

• निर्धारित ग्रिड (Deterministic Grid): रिज पैरामीटर्स का एक परिमित, निर्धारित ग्रिड $\Lambda_n = \{\lambda_{1,n}, \dots, \lambda_{L,n}\}$ पूर्व निर्धारित किया जाता है। इन मानों को $\gamma_n = p/(n-1)$ के अनुपात द्वारा स्केल किया जाता है ताकि $n, p \to \infty$ होने पर वे शून्य और अनंत से दूर सीमित रहें।
• फिक्स्ड-रिज सांख्यिकी (Fixed-Ridge Statistics): प्रत्येक $\lambda_\ell \in \Lambda_n$ के लिए, लेखक मार्जिनल RHT स्कैन सांख्यिकी $T_{\lambda_\ell}$ और उसके संगत $p$-मान $P_{\lambda_\ell}$ की गणना करते हैं। मानक रैंडम-मैट्रिक्स मान्यताओं के तहत, $T_{\lambda_\ell}$ का मार्जिनल वितरण एक सेंटर्ड गौसियन प्रोसेस सुप्रीमम (pivotal Gaussian process supremum) की ओर अभिसरित होता है, जिससे मार्जिनल $p$-मान आसतितिक रूप से वैध (asymptotically valid) और $\Sigma_p$ से मुक्त होते हैं।
• कॉची संयोजन (Cauchy Combination): $p$-मानों को कॉची संयोजन नियम (Liu और Xie [12]) का उपयोग करके एकत्रित किया जाता है। टेस्ट सांख्यिकी $C_n = \sum_{\ell=1}^L w_\ell \tan\{\pi(1/2 - P_{\lambda_\ell})\}$ को परिभाषित किया गया है, जहाँ $w_\ell$ निश्चित भार (weights) हैं जिनका योग 1 है। विश्लेतिक $p$-मान की गणना $P_{CCT} = 1/2 - (1/\pi)\arctan(C_n)$ के रूप में की जाती है।

3. प्रमुख सैद्धांतिक योगदान (Key Theoretical Contributions)
यह शोध पत्र मानक रैंडम-मैट्रिक्स स्थितियों (Assumption 1) के तहत इस एकत्रीकरण रणनीति की सैद्धांतिक वैधता स्थापित करता है:

• फाइनाइट-ग्रिड जॉइंट नल लिमिट (Finite-Grid Joint Null Limit): प्राथमिक सैद्धांतिक योगदान रिज प्रक्रियाओं $\{D_{\lambda_\ell}(s)\}_{\ell=1}^L$ के केंद्रित गौसियन वेक्टर प्रक्रिया $\{G_\ell(s)\}_{\ell=1}^L$ में संयुक्त कमजोर अभिसरण (joint weak convergence) का व्युत्पत्ति है। जबकि मार्जिनल प्रक्रियाएं पिवोटल (pivotal) हैं, क्रॉस-रिज सहप्रसरण संरचना $\Sigma_p$ के सीमित स्पेक्ट्रल वितरण पर निर्भर करती है।
• आकार वैधता (Size Validity): दो अंशांकन (calibration) योजनाओं का विश्लेषण किया गया है:
  1. जॉइंट-लिमिट अंशांकन (Joint-Limit Calibration): $p$-मानों के जॉइंट लिमिट वितरण से क्रिटिकल वैल्यू का उपयोग करने से निश्चित-स्तर का आसतितिक सटीक आकार (asymptotically exact fixed-level size) सुनिश्चित होता है।
  2. विश्लेतिक कॉची अंशांकन (Analytic Cauchy Calibration): मानक विश्लेतिक कॉची $p$-मान एक सरल, निर्भरता-रोधी (dependence-robust) सन्निकटन प्रदान करता है। शोध पत्र सिद्ध करता है कि यह विश्लेतिक $p$-मान "स्मॉल-टेल" (small-tail) अर्थ में वैध है (अर्थात, $\lim_{\alpha \downarrow 0} \lim_{n \to \infty} P(P_{CCT} \le \alpha)/\alpha = 1$), हालांकि यह बिना जॉइंट अंशांकन के पारंपरिक स्तरों (जैसे, 0.05) पर सटीक आकार नहीं दे सकता है।
• अनुकूली निरंतरता (Adaptive Consistency): लेखक सिद्ध करते हैं कि यदि कम से कम एक ग्रिड बिंदु $\lambda_{\ell_0}$ मौजूद है जहाँ सिग्नल ड्रिफ्ट अनंत की ओर जाता है, तो एकत्रित परीक्षण पूर्ण शक्ति (power tending to one) प्राप्त करता है, बशर्ते कि अन्य पद आसतितिक रूप से विचलित (diverging) पद को रद्द न करें। यह विधि को बिना किसी $\lambda$ के इष्टतम मान को स्पष्ट रूप से अनुमानित किए, अज्ञात सिग्नल संरचनाओं के अनुकूल होने की क्षमता स्थापित करता है।

4. सिमुलेशन परिणाम (Simulation Results)
विभिन्न सहप्रसरण संरचनाओं (Identity, Toeplitz, Polynomial decay, Exponential decay, Compound Symmetry) और विभिन्न सिग्नल प्रकारों (dense independent, covariance-aligned, और sparse shifts) में मोंटे कार्लो प्रयोग किए गए।

• आकार नियंत्रण (Size Control): सिमुलेशन दिखाते हैं कि निर्धारित ग्रिड पर मध्यम रिज मान, नाममात्र स्तर (5%) के करीब अनुभवजन्य आकार (empirical sizes) प्रदान करते हैं। बहुत छोटे रिज मान $p/n$ के बड़े होने पर उदार (liberal) हो सकते हैं, जो ग्रिड से अत्यंत छोटे मापदंडों को बाहर करने का तर्क देते हैं।
• शक्ति प्रदर्शन (Power Performance): कॉची-एकत्रित परीक्षण लगातार "ओरेकल" सर्वश्रेष्ठ फिक्स्ड रिज विकल्प (ग्रिड से चुना गया सर्वश्रेष्ठ $\lambda$) के करीब शक्ति प्राप्त करता है।
• मजबूती (Robustness): विधि विविध सहप्रसरण और सिग्नल विन्यास के तहत सर्वश्रेष्ठ फिक्स्ड रिज के प्रदर्शन को ट्रैक करती है। तालिका 3, $\lambda/\gamma_n = 0.1$ या $0.2$के फिक्स्ड चयनों की तुलना में संचयी शक्ति अंतर ($\Delta_{CCT}$) को मात्रात्मक रूप से दर्शाती है। यह लाभ विशेष रूप से तब स्पष्ट होता है जब इष्टतम रिज मान स्पेक्ट्रल संरचना (जैसे, Poly Decay या covariance-aligned सिग्नल्स के तहत) के साथ काफी भिन्न होता है।

5. महत्व और दावे (Significance and Claims)
शोध पत्र का दावा है कि उनका एकत्रीकरण दृष्टिकोण उच्च-आयामी चेंज-पॉइंट डिटेक्शन में ट्यूनिंग पैरामीटर की दुविधा के लिए एक व्यावहारिक समाधान प्रदान करता है। एक एकल शक्ति-इष्टतम रिज मान के अनुमान से बचकर, विधि:

• एक निर्धारित ग्रिड के उपयोग के माध्यम से स्थिर आकार व्यवहार बनाए रखती है।
• अज्ञात सहप्रसरण और सिग्नल विन्यास की एक विस्तृत श्रृंखला में सर्वश्रेष्ठ संभव फिक्स्ड-रिज विकल्प के समान शक्ति प्राप्त करती है।
• कॉची नियम के उपयोग के लिए एक सैद्धांतिक रूप से ठोस आधार प्रदान करती है, विशेष रूप से सटीक जॉइंट-लिमिट अंशांकन और विश्लेतिक स्मॉल-टेल सन्निकटन के बीच अंतर को स्पष्ट करती है।

लेखक निष्कर्ष निकालते हैं कि एक स्थिर निर्धारित रिज ग्रिड को एकत्रित करने से एक एकल, संभावित रूप से उप-इष्टतम रिज पैरामीटर को चुनने की आवश्यकता के बिना, अधिकांश ओरेकल फिक्स्ड-रिज शक्ति प्राप्त होती है। वे नोट करते हैं कि विधि इस धारणा पर निर्भर करती है कि ग्रिड शून्य से दूर सीमित है ताकि परिमित-नमूना अस्थिरता (finite-sample instability) से बचा जा सके।