마코프 환경에서 사전·사후 분포 미지의 순차 변화 탐지

초록

본 논문은 사전·사후 확률분포가 모두 알려지지 않은 상황에서, 마코프(유한 차수) 소스에 적용 가능한 수정된 CUSUM 검정법을 제안한다. 기존의 i.i.d. 기반 방법을 일반 마코프 모델로 확장하고, 사전 분포는 초기 샘플을 이용한 경험적 추정, 사후 분포는 보편적(Universal) 코드를 이용해 로그우도 대신 대체한다. 제안 알고리즘은 거짓 경보율이 0에 접근할 때 최적성을 보이며, 오류 확률 및 검출 지연에 대한 상한을 명시적으로 제시한다.

상세 분석

이 연구는 순차 변화 탐지 분야에서 “전후 분포가 모두 미지”라는 가장 일반적인 상황을 다루면서, 마코프 의존성을 허용한다는 점에서 학술적·실용적 의미가 크다. 먼저 저자들은 Page‑CUSUM의 기본 구조를 유지하되, 사후 로그우도 대신 강력한 점별 보편 코드(Lempel‑Ziv, Context‑Tree Weighting 등)의 코드 길이 L(xⁿ) 를 사용한다. 이는 μ₁에 대한 정확한 모델이 없을 때도 로그우도와 동일한 1‑quick 수렴성을 보장한다(조건 (5), (9) 참조). 사전 분포 μ₀는 n₀개의 초기 관측을 통해 경험적 전이 확률 ˆμ₀(b|a) 로 추정한다. 이때 n₀가 충분히 커서 모든 양의 확률을 가진 상태·전이쌍이 최소 한 번씩 등장하도록 가정한다(식 (25),(26)).

통계적 성능 분석은 두 단계로 나뉜다. (i) 사전 분포가 실제 μ₀와 차이가 있을 때, 검정 통계량의 하향 드리프트가 λ‑D(μ₀‖ˆμ₀) 로 표현된다. 따라서 λ 은 D(μ₀‖ˆμ₀) 보다 크게 잡아야 하강 편향을 보장한다. (ii) 사후 분포가 μ₁일 때는 상승 드리프트가 D(μ₁‖ˆμ₀)‑λ 로 나타나며, λ 은 D(μ₁‖ˆμ₀) 보다 작아야 검정이 결국 멈춘다. 이 두 부등식이 동시에 만족될 수 있는 λ 가 존재함을 보이기 위해, μ₀와 μ₁ 사이의 KL 발산 D(μ₁‖μ₀)=λ₀>0 를 가정하고, ˆμ₀가 μ₀에 수렴함을 이용해 D(μ₀‖ˆμ₀) < D(μ₁‖ˆμ₀) 임을 증명한다.

오류 확률에 대한 상한은 Lemma 3에서 α·2^{‑n(λ‑Wₙ)} 형태로 도출되며, 여기서 Wₙ은 최소 전이·상태 확률에 기반한 보정항이다. n₀→∞, δ,δ′→0 일 때 β₁,β₂→1 이므로 상한은 α·2^{‑n(λ‑logβ₁)} 로 수렴한다. 따라서 거짓 경보 확률을 α 로 제어하면, λ 은 logβ₁ 보다 크게 잡아야 한다는 조건이 추가된다. 반면, 사후 분포가 μ₁일 때는 Lemma 4에 의해 검정이 확률 1로 종료함을 보이며, 기대 검출 지연은 |logα|/(D(μ₁‖ˆμ₀)‑λ) 로 근사된다(Theorem 2). 이는 기존 CUSUM이 D(μ₁‖μ₀)⁻¹·|logα| 로 얻는 지연과 동일한 차수의 최적성을 유지함을 의미한다.

전체적으로 저자들은 Berk’s mixing 조건을 만족하는 유한 차수 마코프 체인에 대해 보편 코드를 이용한 로그우도 대체가 1‑quick 수렴을 보장함을 증명하고, 경험적 사전 추정이 충분히 정확하면 전체 검정이 기존 파라메트릭 CUSUM과 동일한 asymptotic optimality 를 갖는다는 점을 체계적으로 입증한다. 또한, 오류 상한과 검출 지연에 대한 명시적 식을 제공함으로써 실무 적용 시 파라미터 설계(λ,γ,α, n₀) 가 가능한 한 정량적으로 선택될 수 있다.