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

Resumo Técnico: Compressão Estatística Orientada a Alvo

Enunciado do Problema
Procedimentos estatísticos frequentemente descartam características de dados irrelevantes para um alvo inferencial específico, comprimindo caminhos de dados complexos em resumos como estatísticas suficientes, estimativas de máxima verossimilhança (MLE) ou estados ocultos em modelos sequenciais. Um desafio crítico surge na monitorização binária sequencial: dados finitos podem sugerir "degenerescência de fronteira" (por exemplo, uma probabilidade exatamente igual a zero ou um) devido a fenômenos transitórios como sequências de falhas totais, separação logística ou caminhos de compressão instáveis. O artigo argumenta que a proximidade de fronteira finita é meramente um sintoma diagnóstico, ao passo que a degenerescência de fronteira exata é uma propriedade limitante do processo alvo condicional. Métodos sequenciais existentes, como o Teste de Razão de Verossimilhança Sequencial (SPRT) e gráficos de Soma Cumulativa (CUSUM), abordam testes de hipóteses ou deslocamentos de média, mas não verificam explicitamente se um alvo condicional convergiu estávelmente para uma fronteira enquanto controla a incerteza e a coerência da trajetória.

Metodologia
O artigo desenvolve um quadro unificado de compressão estatística orientada a alvo. O objeto central é o processo alvo condicional $M_n = E(Z \mid G_n)$, onde $Z$ é o alvo inferencial e $G_n = \sigma(T_n)$ é o $\sigma$-campo representando a informação retida por um mapa de compressão $T_n$.

1. Estrutura de Martingala Reversa: Ao organizar os campos de informação retida $(G_n)$ como uma filtragem decrescente (usando $\sigma$-camadas de cauda $G_n = \sigma(T_k : k \ge n)$), o processo $(M_n)$ forma uma martingala reversa. De acordo com o Teorema 2.3, $M_n$ converge quase certamente e em $L^1$ para um alvo limitante $M_\infty = E(Z \mid G_\infty)$.

2. Suficiência Aproximada e Defeitos: Quando os resumos não são exatamente suficientes (por exemplo, estimadores penalizados, representações aprendidas), o processo torna-se uma quasi-martingala reversa. O desvio da coerência exata é quantificado pelo defeito da quasi-martingala reversa:
   $$\delta_n = E(M_n \mid G_{n+1}) - M_{n+1}$$
   A mudança observável passo a passo $r_n = |M_n - M_{n-1}|$ serve como um proxy empírico para este defeito teórico.

3. Regra de Parada de Três Condições ($\tau_{RM}$): Para declarar uma fronteira prática (por exemplo, $M_\infty \approx 0$ ou $1$), o artigo propõe uma regra de parada que exige três condições simultâneas:

   • Proximidade de Fronteira ($B_n \le \varepsilon$): A projeção atual do alvo está próxima da fronteira.
   • Localização de Incerteza ($W_n \le w$): A largura de uma sequência de confiança uniforme no tempo ou intervalo credível posterior para $M_\infty$ é suficientemente estreita.
   • Estabilidade de Trajetória ($r_n \le \eta$): O defeito de estabilidade empírico é pequeno, garantindo que o estado próximo à fronteira não seja um artefato transitório.

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

Principais Contribuições

• Quadro Unificado de Compressão: O artigo formaliza resumos estatísticos (estatísticas suficientes, MLE, estados ocultos) como mapas de compressão que induzem uma filtragem decrescente, com o processo alvo condicional como o objeto natural para análise de martingala reversa.
• Distinção Teórica: Distingue rigorosamente entre proximidade de fronteira finita (um diagnóstico de amostra finita) e degenerescência de fronteira exata (uma propriedade do limite $M_\infty$).
• Redução Estrutural: A Proposição 2.10 prova que, quando o resumo retido é exatamente suficiente (por exemplo, nas famílias Normal, Bernoulli ou Poisson com priores conjugados), o defeito de coerência $\delta_n$ é identicamente zero. Consequentemente, a condição de estabilidade $r_n \le \eta$ é automaticamente satisfeita, e a regra $\tau_{RM}$ reduz-se exatamente à regra de duas condições $\tau_{2cond}$ (proximidade + incerteza), não impondo atraso adicional.
• Quantificação de Defeitos: Para resumos aproximados (por exemplo, regressão logística com separação, estados ocultos de redes neurais), o artigo introduz o defeito $\delta_n$ e seu proxy $r_n$ como medidas quantitativas de perda de informação ou incompatibilidade de representação, fornecendo um mecanismo para adiar declarações quando a compressão é instável.

Resultados
Estudos de calibração numérica em cenários Bernoulli, Gaussiano, Poisson e logístico, bem como em cenários realistas de monitoramento de saúde pública (dados de ILI do CDC de Taiwan e dados de chumbo no sangue do NHANES), demonstram:

• Redução de Declarações Falsas: Em cenários de suficiência exata (Bernoulli, Poisson), a regra apenas de fronteira ($\tau_{bdy}$) frequentemente para prematuramente devido a prefixos transitórios de falhas totais, resultando em altas taxas de declaração falsa (por exemplo, 22,6% em um cenário Bernoulli específico). A regra completa $\tau_{RM}$ (que se comporta como $\tau_{2cond}$ aqui) reduz essa taxa para próximo de zero ao aguardar a localização da incerteza.
• Proteção contra Compressão Aproximada: Em cenários de regressão logística com separação, a condição de estabilidade $r_n \le \eta$ fornece proteção adicional sobre a regra de duas condições, adiando paradas quando trajetórias preditivas são instáveis apesar da aparente proximidade de fronteira.
• Diagnósticos de Quasi-Martingala: Em estudos de perturbação (especificação incorreta, suavização exponencial), o defeito $r_n$ identifica corretamente defeitos não somáveis (trajetórias não decrescentes), prevenindo paradas prematuras em casos onde as suposições de convergência teórica falham.

Significância e Afirmativas
O artigo afirma fornecer um princípio organizador unificado para a compressão estatística, ligando suficiência clássica, estimação baseada em verossimilhança e monitoramento sequencial moderno. Sua significância primária reside em reformular declarações de fronteira: um valor próximo de zero ou um não é uma afirmação inferencial confiável, a menos que apoiado por um alvo condicional estável, incerteza localizada e comportamento coerente ao longo do caminho de compressão.

Os autores enfatizam que o quadro proposto não substitui ferramentas clássicas como SPRT ou CUSUM, mas aborda uma questão complementar: se o alvo condicional está estávelmente próximo de uma fronteira. O artigo nota modestamente que, embora a fundação teórica seja estabelecida aqui, os procedimentos aplicados detalhados, limites de erro de amostra finita e evidência numérica extensa para problemas específicos de detecção de fronteira são desenvolvidos em um artigo complementar (Chang, 2026). O trabalho atual foca na fundação matemática, na construção de filtragens decrescentes, na definição de defeitos de quasi-martingala reversa e na redução estrutural da regra de parada sob suficiência exata.