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

Riepilogo Tecnico: Compressione Statistica Orientata all'Obiettivo

Enunciato del Problema
Le procedure statistiche scartano frequentemente caratteristiche dei dati irrilevanti per un specifico obiettivo inferenziale, comprimendo percorsi di dati complessi in sintesi quali statistiche sufficienti, stime di massima verosimiglianza (MLE) o stati nascosti nei modelli sequenziali. Una sfida critica sorge nel monitoraggio binario sequenziale: dati finiti possono suggerire una "degenerazione al confine" (ad esempio, una probabilità esattamente uguale a zero o uno) a causa di fenomeni transitori come sequenze di fallimenti totali, separazione logistica o percorsi di compressione instabili. L'articolo sostiene che la vicinanza al confine in campioni finiti è meramente un sintomo diagnostico, mentre la degenerazione esatta al confine è una proprietà limitante del processo target condizionato. I metodi sequenziali esistenti, come il Test del Rapporto di Verosimiglianza Sequenziale (SPRT) e i grafici di Somma Cumulativa (CUSUM), affrontano il test di ipotesi o gli spostamenti della media, ma non verificano esplicitamente se un target condizionato abbia converguto stabilmente a un confine, controllando al contempo l'incertezza e la coerenza della traiettoria.

Metodologia
L'articolo sviluppa un quadro unificato di compressione statistica orientata all'obiettivo. L'oggetto centrale è il processo target condizionato $M_n = E(Z \mid G_n)$, dove $Z$ è l'obiettivo inferenziale e $G_n = \sigma(T_n)$ è il campo $\sigma$ che rappresenta l'informazione trattenuta da una mappa di compressione $T_n$.

1. Struttura di Martingala Inversa: Disponendo i campi di informazione trattenuti $(G_n)$ come una filtrazione decrescente (utilizzando campi $\sigma$ di coda $G_n = \sigma(T_k : k \ge n)$), il processo $(M_n)$ forma una martingala inversa. Secondo il Teorema 2.3, $M_n$ converge quasi certamente e in $L^1$ a un target limite $M_\infty = E(Z \mid G_\infty)$.

2. Sufficienza Approssimata e Difetti: Quando le sintesi non sono esattamente sufficienti (ad esempio, stimatori penalizzati, rappresentazioni apprese), il processo diventa una quasi-martingala inversa. La deviazione dalla coerenza esatta è quantificata dal difetto di quasi-martingala inversa:
   $$\delta_n = E(M_n \mid G_{n+1}) - M_{n+1}$$
   Il cambiamento osservabile passo-passo $r_n = |M_n - M_{n-1}|$ funge da proxy empirico per questo difetto teorico.

3. Regola di Arresto a Tre Condizioni ($\tau_{RM}$): Per dichiarare un confine pratico (ad esempio, $M_\infty \approx 0$ o $1$), l'articolo propone una regola di arresto che richiede tre condizioni simultanee:

   • Vicinanza al Confine ($B_n \le \varepsilon$): La proiezione attuale del target è vicina al confine.
   • Localizzazione dell'Incertezza ($W_n \le w$): La larghezza di una sequenza di confidenza uniforme nel tempo o di un intervallo credibile a posteriori per $M_\infty$ è sufficientemente stretta.
   • Stabilità della Traiettoria ($r_n \le \eta$): Il difetto di stabilità empirico è piccolo, garantendo che lo stato vicino al confine non sia un artefatto transitorio.

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

Contributi Chiave

• Quadro Unificato di Compressione: L'articolo formalizza le sintesi statistiche (statistiche sufficienti, MLE, stati nascosti) come mappe di compressione che inducono una filtrazione decrescente, con il processo target condizionato come oggetto naturale per l'analisi delle martingale inverse.
• Distinzione Teorica: Distingue rigorosamente tra la vicinanza al confine in campioni finiti (una diagnostica su campioni finiti) e la degenerazione esatta al confine (una proprietà del limite $M_\infty$).
• Riduzione Strutturale: La Proposizione 2.10 dimostra che quando la sintesi trattenuta è esattamente sufficiente (ad esempio, nelle famiglie Normale, Bernoulli o Poisson con prior coniugati), il difetto di coerenza $\delta_n$ è identicamente zero. Di conseguenza, la condizione di stabilità $r_n \le \eta$ è soddisfatta automaticamente e la regola $\tau_{RM}$ si riduce esattamente alla regola a due condizioni $\tau_{2cond}$ (vicinanza + incertezza), senza imporre alcun ritardo aggiuntivo.
• Quantificazione del Difetto: Per sintesi approssimate (ad esempio, regressione logistica con separazione, stati nascosti di reti neurali), l'articolo introduce il difetto $\delta_n$ e il suo proxy $r_n$ come misure quantitative della perdita di informazione o del disallineamento della rappresentazione, fornendo un meccanismo per ritardare le dichiarazioni quando la compressione è instabile.

Risultati
Studi di calibrazione numerica su contesti Bernoulli, Gaussiani, Poisson e logistici, nonché su scenari realistici di monitoraggio della salute pubblica (dati ILI del CDC di Taiwan e dati NHANES sul piombo nel sangue), dimostrano:

• Riduzione delle Dichiarazioni Falsamente Positive: In contesti di sufficienza esatta (Bernoulli, Poisson), la regola basata solo sul confine ($\tau_{bdy}$) si ferma frequentemente in anticipo a causa di prefissi transitori di fallimenti totali, producendo alti tassi di dichiarazioni false (ad esempio, il 22,6% in uno specifico scenario Bernoulli). La regola completa $\tau_{RM}$ (che qui si comporta come $\tau_{2cond}$) riduce questo tasso a quasi zero attendendo la localizzazione dell'incertezza.
• Protezione per Compressione Approssimata: In contesti di regressione logistica con separazione, la condizione di stabilità $r_n \le \eta$ fornisce una protezione aggiuntiva rispetto alla regola a due condizioni, ritardando gli arresti quando le traiettorie predittive sono instabili nonostante la vicinanza apparente al confine.
• Diagnostica delle Quasi-Martingale: Negli studi di perturbazione (specificazione errata, smoothing esponenziale), il difetto $r_n$ identifica correttamente difetti non sommabili (traiettorie non decrescenti), prevenendo arresti prematuri in casi in cui le assunzioni teoriche di convergenza falliscono.

Significato e Affermazioni
L'articolo afferma di fornire un principio organizzativo unificato per la compressione statistica, collegando la sufficienza classica, la stima basata sulla verosimiglianza e il monitoraggio sequenziale moderno. Il suo significato principale risiede nel riformulare le dichiarazioni di confine: un valore vicino a zero o uno non è un'affermazione inferenziale affidabile a meno che non sia supportato da un target condizionato stabile, un'incertezza localizzata e un comportamento coerente lungo il percorso di compressione.

Gli autori sottolineano che il quadro proposto non sostituisce strumenti classici come SPRT o CUSUM, ma affronta una domanda complementare: se il target condizionato sia stabilmente vicino a un confine. L'articolo nota modestamente che, sebbene le fondamenta teoriche siano stabilite qui, le procedure applicate dettagliate, i limiti di errore su campioni finiti e le prove numeriche estese per specifici problemi di rilevamento dei confini sono sviluppati in un articolo gemello (Chang, 2026). Il lavoro attuale si concentra sulle fondamenta matematiche, sulla costruzione di filtrazioni decrescenti, sulla definizione dei difetti di quasi-martingala inversa e sulla riduzione strutturale della regola di arresto in caso di sufficienza esatta.