Practical Boundary Degeneracy and Reverse-Martingale Limits in Sequential Binary Models

Technische Samenvatting: Praktische Grensdegeneratie en Reverse-Martingaal-Grenswaarden in Sequentiële Binaire Modellen

Probleemstelling
Het artikel behandelt een terugkerend statistisch fenomeen in sequentiële binaire data waarbij eindige steekproeven de schijn wekken van "grensdegeneratie". Dit treedt op in drie distincte scenario's:

1. Bernoulli-proeven: Een lange reeks uitsluitend mislukkingen (of uitsluitend successen) leidt een analist ertoe een waarschijnlijkheid van exact nul (of één) te schatten.
2. Logistische regressie: Volledige of quasi-volledige scheiding veroorzaakt dat de geschatte coëfficiënten divergeren, waardoor de voorspelde kansen naar de grenzen (0 of 1) worden gedreven.
3. Sequentiële risicotrajecten: Een risicoscore nadert een grens voordat de onderliggende toestand is gestabiliseerd.

In alle drie de gevallen is er een verleiding om op basis van eindige data exacte grenskansen ($p=0$ of $p=1$) te verklaren. Het artikel betoogt dat hoewel sequentiële eindige data praktische grensuitspraken kunnen rechtvaardigen (bijvoorbeeld $p \le \varepsilon$), ze geen bewijs leveren voor exacte grenskansen. De kernverwarring ligt in het verwarren van een eindige schatting nabij de grens met de limietvoorwaardelijke wet waartoe het proces convergeert.

Methodologie en Kader
Het artikel verenigt deze drie scenario's onder een reverse-martingaal-kader, waarbij gebruik wordt gemaakt van de klassieke reverse-martingaal-convergentiestelling (Doob, 1953; Durrett, 2019).

• Reverse-Martingaal Formulering: In plaats van de standaard voorwaartse filtratie ($\mathcal{F}_1 \subseteq \mathcal{F}_2 \subseteq \dots$), beschouwt het artikel een afnemende filtratie ($\mathcal{G}_1 \supseteq \mathcal{G}_2 \supseteq \dots$). Voor een binaire uitkomst $Y \in \{0, 1\}$ is het proces $M_n = E(Y | \mathcal{G}_n)$ een reverse martingaal dat bijna zeker convergeert naar een limiet $M_\infty = E(Y | \mathcal{G}_\infty)$.
• Definitie van Degeneratie: Grensdegeneratie wordt herdefinieerd als een eigenschap van de limietwet $M_\infty$, en niet als een gebeurtenis in een eindige steekproef. Een proces is praktisch grensdegeneratief als $M_\infty \le \varepsilon$ of $M_\infty \ge 1-\varepsilon$.
• De Drie-Voorwaarde Stopregel ($\tau_{RM}$): Om tijdelijke schijnzekerheid te onderscheiden van echte limietdegeneratie, stelt het artikel een stopregel voor die drie gelijktijdige voorwaarden vereist:
  1. Grensnabijheid ($B_n \le \varepsilon$): De huidige schatting ligt nabij de grens.
  2. Onzekerheidsbreedte ($W_n \le w$): Het betrouwbaarheidsinterval of de onzekerheidsmaat is voldoende smal.
  3. Trajectstabiliteit ($r_n \le \eta$): Het traject is stabiel, gemeten aan de hand van een stabiliteitsdefect (bijvoorbeeld het verschil tussen de huidige schatting en een terugkijkend gemiddelde of een projectie van een latente toestand).

Deze aanpak vult klassieke tools aan, zoals eenzijdige binomiale toetsen, Clopper-Pearson-begrenzingen, betrouwbaarheidssequenties en Wald's sequentiële waarschijnlijkheidsverhoudingstest (SPRT), in plaats van deze te vervangen. Waar SPRT optimaal is voor hypothesetoetsing van simpel-tegen-simpel, adresseert het geen samengestelde eenzijdige uitspraken, logistische scheiding of trajectstabiliteit.

Belangrijkste Bijdragen

1. Unificatie: Het artikel biedt een enkele theoretische structuur (reverse martingalen) om Bernoulli-reeksen van uitsluitend mislukkingen, logistische scheiding en onstabiele risicotrajecten te interpreteren als manifestaties van dezelfde verwarring tussen eindige schattingen en limietwetten.
2. Operationeel Remedium: Het leidt de $\tau_{RM}$ stopregel af, die voortijdige verklaringen van grenskansen voorkomt door stabiliteit en controle van onzekerheid te vereisen, naast grensnabijheid.
3. Inzicht in Regularisatie: In de context van logistische regressie pleit het artikel voor geregulariseerde schatters (zoals ridge, Firth of Bayesiaanse prioren) om eindige geschatte kansen te garanderen, en interpreteert het divergerende coëfficiënten als numerieke artefacten van scheiding in plaats van bewijs van exacte grenskansen.

Numerieke Resultaten
Het artikel presenteert vijf numerieke studies om het kader te valideren:

• Bernoulli Zeldzame-Gebeurtenis Experimenten: Toont aan dat hoewel een gewone MLE ($\hat{p}_n = 0$) frequent voorkomt in steekproeven met zeldzame gebeurtenissen, een stopregel voor "praktisch-nul" (gebaseerd op een vooraf vastgesteld $\varepsilon$) de Type-I-fout controleert. De gelijkheid van de MLE aan nul blijkt een artefact van de eindige steekproef te zijn, geen bewijs van $p=0$.
• Laag- en Hoogdimensionale Logistische Regressie: Laat zien dat zelfs met eindige ware coëfficiënten, zeldzame gebeurtenissen gecombineerd met covariaten (vooral in hoge dimensies) leiden tot "scheiding-achtig" gedrag, waaronder één-klasse steekproeven, niet-convergentie en extreme geschatte logits. Regularisatie (ridge) stabiliseert deze schattingen en zet divergerende coëfficiënten om in eindige voorspellende kansen.
• Stabiliteit versus Nabijheid: In een gecontroleerde simulatie van conditionele risicotrajecten stopte een "alleen-grens" regel met een waarschijnlijkheid van 0,999 op een tijdelijk traject dat later terugkeerde naar het inwendige. Daarentegen verlaagde de drie-voorwaarde regel ($\tau_{RM}$) deze vals-positieve rate naar 0,107, terwijl de stopkracht op 100% bleef voor echt stabiele, naar de grens convergerende trajecten.
• Illustratie met Real-data (RAND Health Insurance Experiment): Met behulp van een echte dataset met een zeldzame uitkomst (1,5% prevalentie) bevestigt de studie dat kleine subsamples vaak onstabiele, extreme geschatte kansen opleveren. Het toevoegen van flexibele modeltermen (kwadratisch ontwerp) verergert dit, wat de noodzaak van stabiliteitsdiagnostiek onderstreept.

Betekenis en Beweringen
Het artikel beweert dat het voorgestelde kader een betrouwbaardere manier biedt om grensverschijnselen in eindige steekproeven te interpreteren. De primaire betekenis ligt in het onderscheid tussen eindige schattingen nabij de grens en limietgrenswetten.

De auteurs stellen dat handelen op basis van grensnabijheid zonder bewijs van stabiliteit voortijdig is. Het reverse-martingaal perspectief herformuleert grensdegeneratie als een eigenschap van de limietvoorwaardelijke wet ($M_\infty$). Bijgevolg betoogt het artikel dat eindige steekproeven gecontroleerde praktische grensuitspraken rechtvaardigen (bijvoorbeeld "we zijn er zeker van dat $p \le \varepsilon$"), maar nooit exacte grenskansen. De operationele opbrengst is het vermogen om tijdelijke schijnzekerheid te scheiden van echte limietdegeneratie, waardoor foutieve conclusies in sequentieel monitoring, adaptieve behandeling en modellering van zeldzame gebeurtenissen worden voorkomen.