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

기술적 요약: 목표 지향적 통계적 압축

문제 제기
통계적 절차는 종종 특정 추론 목표와 무관한 데이터 특징을 폐기하여, 충분 통계량, 최대우도추정량 (MLE), 또는 순차 모델의 숨은 상태와 같은 요약으로 복잡한 데이터 경로를 압축합니다. 순차 이진 모니터링에서 중요한 과제는 다음과 같습니다: 유한한 데이터가 모든 실패 연속과 같은 일시적 현상, 로지스틱 분리, 또는 불안정한 압축 경로로 인해 "경계 퇴화"(예: 정확히 0 또는 1 인 확률) 를 시사할 수 있습니다. 본 논문은 유한한 경계 근접성은 단순한 진단적 증상일 뿐이며, 정확한 경계 퇴화는 조건부 목표 과정의 극한적 성질이라고 주장합니다. Sequential Probability Ratio Test (SPRT) 와 Cumulative Sum (CUSUM) 차트와 같은 기존 순차적 방법은 가설 검정이나 평균 변화를 다루지만, 불확실성과 궤적 일관성을 통제하면서 조건부 목표가 경계에 안정적으로 수렴했는지 명시적으로 검증하지는 않습니다.

방법론
본 논문은 목표 지향적 통계적 압축의 통합된 프레임워크를 개발합니다. 핵심 객체는 $Z$를 추론 목표로 하고 $G_n = \sigma(T_n)$을 압축 맵 $T_n$이 유지하는 정보를 나타내는 $\sigma$-field 로 하는 조건부 목표 과정 $M_n = E(Z \mid G_n)$입니다.

1. 역 마팅갈 구조: 유지된 정보 필드 $(G_n)$을 감소 여과(tail $\sigma$-fields $G_n = \sigma(T_k : k \ge n)$ 사용) 로 배열함으로써, 과정 $(M_n)$은 역 마팅갈을 형성합니다. 정리 2.3 에 따라 $M_n$은 거의 확실하게 그리고 $L^1$에서 극한 목표 $M_\infty = E(Z \mid G_\infty)$로 수렴합니다.

2. 근사 충분성과 결함: 요약이 정확히 충분하지 않을 때 (예: 패널티 추정량, 학습된 표현), 과정은 역 준마팅갈이 됩니다. 정확한 일관성에서의 편차는 역 준마팅갈 결함으로 정량화됩니다:
   $$\delta_n = E(M_n \mid G_{n+1}) - M_{n+1}$$
   관찰 가능한 단계별 변화 $r_n = |M_n - M_{n-1}|$는 이 이론적 결함에 대한 경험적 대리 변수로 작용합니다.

3. 세 가지 조건 정지 규칙 ($\tau_{RM}$): 실용적 경계 (예: $M_\infty \approx 0$ 또는 $1$) 를 선언하기 위해, 본 논문은 세 가지 동시 조건을 요구하는 정지 규칙을 제안합니다:

   • 경계 근접성 ($B_n \le \varepsilon$): 현재 목표 투영이 경계 근처에 있음.
   • 불확실성 국소화 ($W_n \le w$): $M_\infty$에 대한 시간-균일 신뢰 구간 또는 사후 신뢰구간의 폭이 충분히 좁음.
   • 궤적 안정성 ($r_n \le \eta$): 경험적 안정성 결함이 작아, 경계 근처 상태가 일시적 인공물이 아님을 보장함.

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

주요 기여

• 통합 압축 프레임워크: 본 논문은 충분 통계량, MLE, 숨은 상태와 같은 통계적 요약을 감소 여과를 유도하는 압축 맵으로 형식화하며, 조건부 목표 과정을 역마팅갈 분석을 위한 자연스러운 객체로 제시합니다.
• 이론적 구분: 유한한 경계 근접성 (유한 표본 진단) 과 정확한 경계 퇴화 (극한 $M_\infty$의 성질) 를 엄밀하게 구분합니다.
• 구조적 축소: 명제 2.10 은 유지된 요약이 정확히 충분할 때 (예: 켤레 사전분포를 가진 정규, 베르누이, 또는 푸아송 계열), 일관성 결함 $\delta_n$이 항등적으로 0 임을 증명합니다. 결과적으로 안정성 조건 $r_n \le \eta$은 자동으로 만족되며, 규칙 $\tau_{RM}$은 두 조건 규칙 $\tau_{2cond}$(근접성 + 불확실성) 로 정확히 축소되어 추가적인 지연을 부과하지 않습니다.
• 결함 정량화: 근사적 요약 (예: 분리가 있는 로지스틱 회귀, 신경망 숨은 상태) 의 경우, 본 논문은 정보 손실 또는 표현 불일치의 정량적 측정치로 결함 $\delta_n$과 그 대리 변수 $r_n$을 도입하여, 압축이 불안정할 때 선언을 지연시키는 메커니즘을 제공합니다.

결과
베르누이, 가우스, 푸아송, 로지스틱 설정 및 실제 공중보건 모니터링 시나리오 (대만 CDC ILI 및 NHANES 혈중 납 데이터) 에 걸친 수치적 보정 연구는 다음을 보여줍니다:

• 오인정 감소: 정확한 충분성 설정 (베르누이, 푸아송) 에서, 경계만 고려한 규칙 ($\tau_{bdy}$) 은 일시적 모든 실패 접두사로 인해 종종 일찍 정지하여 높은 오인정률 (예: 특정 베르누이 시나리오에서 22.6%) 을 보입니다. 완전한 규칙 $\tau_{RM}$(이 경우 $\tau_{2cond}$로 동작) 은 불확실성 국소화를 기다림으로써 이 비율을 거의 0 으로 줄입니다.
• 근사적 압축 보호: 분리가 있는 로지스틱 회귀 설정에서, 안정성 조건 $r_n \le \eta$은 두 조건 규칙보다 추가적인 보호를 제공하여, 경계 근접성이 apparent 하더라도 예측 궤적이 불안정할 때 정지를 지연시킵니다.
• 준마팅갈 진단: 교란 연구 (오지정, 지수 평활) 에서 결함 $r_n$은 비가산 결함 (감소하지 않는 궤적) 을 올바르게 식별하여, 이론적 수렴 가정이 실패하는 경우의 조기 정지를 방지합니다.

의의 및 주장
본 논문은 고전적 충분성, 우도 기반 추정, 그리고 현대적 순차 모니터링을 연결하는 통합 조직 원리를 제공한다고 주장합니다. 주요 의의는 경계 선언을 재구성하는 데 있습니다: 0 또는 1 에 가까운 값은 안정적인 조건부 목표, 국소화된 불확실성, 그리고 압축 경로 전반에 걸친 일관된 행동에 의해 뒷받침되지 않는 한 신뢰할 수 있는 추론적 진술이 아닙니다.

저자들은 제안된 프레임워크가 SPRT 나 CUSUM 과 같은 고전적 도구를 대체하는 것이 아니라, 조건부 목표가 경계 근처에 안정적으로 있는지에 대한 보완적인 질문에 답한다고 강조합니다. 본 논문은 이론적 기반이 여기에 확립되었지만, 구체적인 경계 탐지 문제에 대한 상세한 적용 절차, 유한 표본 오차 한계, 그리고 광범위한 수치적 증거는 동반 논문 (Chang, 2026) 에서 개발된다고 겸손하게 언급합니다. 현재 연구는 수학적 기반, 감소 여과의 구성, 역 준마팅갈 결함의 정의, 그리고 정확한 충분성 하에서 정지 규칙의 구조적 축소에 초점을 맞춥니다.