시계열 이벤트 탐색: 가변 윈도우 기반 통계 모델

초록

본 논문은 고정 길이 슬라이딩 윈도우 대신 임의 크기의 윈도우에 대한 통계적 유의성을 계산하는 확률 모델을 제안한다. 전체 탐색을 효율적으로 근사하는 알고리즘을 도입해 10만 개 이상의 천문학 시계열 데이터에서 알려진 이벤트를 1 % 이내 상위 결과로 100 % 회복했으며, 기존 방법으로는 놓칠 수 있는 새로운 이벤트도 발견하였다.

상세 분석

이 연구는 시계열 데이터에서 “이벤트”라 불리는 급격한 변화를 탐지하는 근본적인 문제에 접근한다. 기존 접근법은 고정된 길이의 슬라이딩 윈도우를 사용해 각 구간의 통계량(예: 평균, 분산)과 사전 정의된 임계값을 비교한다. 그러나 이벤트의 지속 시간은 데이터마다 크게 다를 수 있어, 고정 윈도우는 짧은 변화를 놓치거나 긴 변화를 과도하게 분산시켜 통계적 유의성을 감소시킨다. 저자들은 이 한계를 극복하기 위해 “임의 크기 윈도우에 대한 유의확률(p‑value)”을 직접 계산하는 확률 모델을 구축한다. 핵심 아이디어는 각 시점 i에서 시작해 j까지 확장되는 구간