베이지안 연속 변화 진단의 최적 전략

초록

본 논문은 확률적으로 독립적인 관측열이 어느 시점에서 갑작히 다른 분포군 중 하나로 전이되는 상황을 Bayesian 관점에서 모델링하고, 변화 시점과 새로운 분포의 정체를 동시에 빠르고 정확하게 판별하는 최적 순차 의사결정 규칙을 제시한다. 동적 프로그래밍 기반의 베이즈 위험 최소화 해를 구하고, 이를 구현하기 위한 수치적 알고리즘과 기하학적 특성을 다양한 예시를 통해 설명한다.

상세 분석

이 연구는 전통적인 변화 탐지와 다가설 검정 문제를 하나의 통합 프레임워크로 확장한다. 기본 가정은 i.i.d. 관측값 {Xₙ}이 초기 분포 f₀을 따르다가, 불확실한 시점 τ에서 갑자기 f₁,…,f_M 중 하나로 전이된다는 것이다. τ와 전이된 분포의 인덱스 D는 사전 확률 π₀와 {π_i}로 정의된 베이즈 사전을 갖는다. 관측이 진행됨에 따라 사후 확률 벡터 pₙ = (P(τ≤n, D=i | 𝔽ₙ))₍i=1…M₎와 아직 변화가 일어나지 않았을 확률 pₙ⁰ 가 업데이트된다. 이는 베이즈 필터링 식을 통해 선형 변환과 정규화 연산으로 구현되며, 상태공간은 단순히 (M+1)‑차원 확률단순체에 제한된다.

목표는 총 비용 R = E