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

技術的サマリー：目標指向統計的圧縮

問題定義
統計的手続きは頻繁に、特定の推論目標と無関係なデータ特徴を破棄し、十分統計量、最尤推定量（MLE）、または逐次モデルにおける隠れ状態などの要約へと、複雑なデータ経路を圧縮する。逐次二値モニタリングにおいて、重要な課題が生じる。有限データは、全失敗の連続、ロジスティック分離、または不安定な圧縮経路といった一時的な現象により、「境界退化」（例えば、確率が正確に 0 または 1 であること）を示唆することがある。本論文は、有限の境界への近接性は単なる診断的徴候に過ぎないのに対し、正確な境界退化は条件付き目標過程の極限的性質であると論じる。既存の逐次手法、すなわち逐次確率比検定（SPRT）および累積和（CUSUM）チャートは、仮説検定または平均のシフトに対処するが、不確実性と経路の整合性を制御しながら、条件付き目標が境界に安定的に収束したかどうかを明示的に検証するものではない。

手法
本論文は、目標指向統計的圧縮の統一枠組みを開発する。中核的な対象は、条件付き目標過程 $M_n = E(Z \mid G_n)$ であり、ここで $Z$ は推論目標、$G_n = \sigma(T_n)$ は圧縮写像 $T_n$ によって保持される情報を表す $\sigma$-集合体である。

1. 逆マルチングール構造: 保持される情報集合 $(G_n)$ を減少フィルトレーション（尾部 $\sigma$-集合 $G_n = \sigma(T_k : k \ge n)$ を使用）として配置することにより、過程 $(M_n)$ は逆マルチングールを形成する。定理 2.3 によると、$M_n$ はほとんど確実に、かつ $L^1$ において、極限目標 $M_\infty = E(Z \mid G_\infty)$ に収束する。

2. 近似十分性と欠陥: 要約が正確に十分でない場合（例えば、ペナルティ付き推定量、学習された表現）、過程は逆準マルチングールとなる。正確な整合性からの逸脱は、逆準マルチングール欠陥によって定量化される：
   $$\delta_n = E(M_n \mid G_{n+1}) - M_{n+1}$$
   観測可能なステップごとの変化 $r_n = |M_n - M_{n-1}|$ は、この理論的欠陥の実証的代理指標として機能する。

3. 三条件停止則（$\tau_{RM}$）: 実用的な境界（例えば、$M_\infty \approx 0$ または $1$）を宣言するために、本論文は 3 つの同時条件を要求する停止則を提案する：

   • 境界への近接性（$B_n \le \varepsilon$）: 現在の目標射影が境界に近いこと。
   • 不確実性の局所化（$W_n \le w$）: $M_\infty$ に対する時間一様信頼系列または事後信用区間の幅が十分に狭いこと。
   • 経路の安定性（$r_n \le \eta$）: 実証的安定性欠陥が小さく、境界近傍の状態が一時的なアーティファクトではないことを保証すること。

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

主要な貢献

• 統一された圧縮枠組み: 本論文は、十分統計量、MLE、隠れ状態などの統計的要約を、減少フィルトレーションを誘発する圧縮写像として形式化し、逆マルチングール解析のための自然な対象として条件付き目標過程を位置づける。
• 理論的区別: 有限の境界への近接性（有限サンプル診断）と、正確な境界退化（極限 $M_\infty$ の性質）を厳密に区別する。
• 構造的縮小: 命題 2.10 は、保持された要約が正確に十分である場合（例えば、共役事前分布を持つ正規分布、ベルヌーイ分布、ポアソン分布の族において）、整合性欠陥 $\delta_n$ が恒等的にゼロになることを証明する。その結果、安定性条件 $r_n \le \eta$ は自動的に満たされ、規則 $\tau_{RM}$ は二条件規則 $\tau_{2cond}$（近接性＋不確実性）に正確に縮小し、追加の遅延を課さない。
• 欠陥の定量化: 近似要約（例えば、分離を伴うロジスティック回帰、ニューラルネットワークの隠れ状態）に対して、本論文は欠陥 $\delta_n$ とその代理指標 $r_n$ を、情報損失または表現のミスマッチの定量的尺度として導入し、圧縮が不安定な場合に宣言を遅らせるメカニズムを提供する。

結果
ベルヌーイ、ガウス、ポアソン、ロジスティックの設定、ならびに現実的な公衆衛生モニタリングシナリオ（台湾 CDC のインフルエンザ様疾患（ILI）および NHANES の血中鉛データ）における数値較正研究は、以下のことを示している：

• 誤宣言の削減: 正確な十分性の設定（ベルヌーイ、ポアソン）において、境界のみの規則（$\tau_{bdy}$）は、一時的な全失敗の接頭辞により早期に停止することが多く、高い誤宣言率（特定のベルヌーイシナリオでは 22.6% など）をもたらす。完全な規則 $\tau_{RM}$（ここでは $\tau_{2cond}$ として振る舞う）は、不確実性の局所化を待つことで、この率をほぼゼロにまで削減する。
• 近似圧縮の保護: 分離を伴うロジスティック回帰の設定において、安定性条件 $r_n \le \eta$ は、二条件規則に対する追加の保護を提供し、境界への近接性が apparent であっても予測経路が不安定な場合に停止を遅らせる。
• 準マルチングール診断: 摂動研究（誤指定、指数平滑化）において、欠陥 $r_n$ は、非総和的欠陥（減衰しない経路）を正しく識別し、理論的収束仮定が失敗するケースにおける早期停止を防ぐ。

意義と主張
本論文は、古典的十分性、尤度に基づく推定、および現代の逐次モニタリングを結びつける統計的圧縮のための統一された組織原理を提供すると主張する。その主要な意義は、境界宣言を再構築することにある。ゼロまたは 1 に近い値は、安定的な条件付き目標、局所化された不確実性、および圧縮経路全体にわたる整合的な振る舞いによって支持されない限り、信頼できる推論的声明ではない。

著者らは、提案された枠組みが SPRT や CUSUM などの古典的ツールを代替するものではなく、条件付き目標が境界に安定的に近いかどうかという補完的な問いに対処するものであることを強調する。本論文は控えめに、理論的基盤はここで確立されたものの、詳細な適用手順、有限サンプル誤差の限界、および特定の境界検出問題に対する広範な数値的証拠は、併行論文（Chang, 2026）で開発されると指摘している。現在の作業は、数学的基盤、減少フィルトレーションの構築、逆準マルチングール欠陥の定義、および正確な十分性における停止則の構造的縮小に焦点を当てている。