제한된 평균을 이용한 최적 순차 변화 탐지

초록

본 논문은 사전‑변경 분포 집합 𝒫와 사후‑변경 분포 집합 𝒬가 모두 복합적인 상황에서, 평균 재시작 간격(ARL) 제약 하에 최적의 탐지 지연을 규명한다. 저자는 모든 ARL‑보정 탐지기에게 적용 가능한 보편적인 하한
(\displaystyle \liminf_{\gamma\to\infty} C_{!Q}(T_\gamma),\log\gamma \ge \frac{1}{I(Q;\mathscr P)})
를 제시하고, 평균이 제한된( bounded‑mean ) 모델에서 이 하한을 정확히 달성하는 탐지기를 설계한다. 또한 평균 차이가 충분히 분리된 경우, 전체 대안 집합에 대해 동일한 상수 1을 갖는 최소극대 보장을 제공한다.

상세 분석

이 논문은 순차 변화점 검출(sequential change‑point detection) 분야에서 가장 어려운 설정 중 하나인 “복합 사전‑분포와 복합 사후‑분포” 문제에 대한 근본적인 정보‑이론적 한계를 제시한다. 기존의 CUSUM·Shiryaev‑Roberts와 같은 고전적 절차는 사전·사후 분포가 단일(known)일 때만 최적성을 증명할 수 있었으며, 사전 분포가 집합 𝒫에 걸쳐 불확실할 경우에는 “가장 어려운” 사전 분포가 사후 분포 Q에 의존한다는 난관이 있었다. 저자는 이를 극복하기 위해, 임의의 Q∈𝒬에 대해
\