[論文レビュー] A Link between Binomial Parameters and Means of Bounded Random Variables

Xinjia Chen|ArXiv.org|Feb 27, 2008

Advanced Statistical Methods and Models参考文献 2被引用数 3

ひとこと要約

この論文は、一様な補助変数を介して、有界な確率変数の期待値と二項確率を結ぶ基本的恒等式を確立する。有界な確率変数の平均を二項パラメータの線形結合として表現することにより、既知の二項推論手法を用いて信頼区間の構築や標本サイズの決定が可能になる。

ABSTRACT

In this paper, we establish a fundamental connection between binomial parameters and means of bounded random variables. Such connection finds applications in statistical inference of means of bounded variables.

研究の動機と目的

• 有界な確率変数の平均と二項確率の間の理論的関係を確立すること。
• 問題を二項パラメータ推定に還元することにより、有界な確率変数の平均に対する統計的推論を可能にすること。
• 二項分布理論を用いて信頼区間の構築と標本サイズ問題の解決を可能にするフレームワークを提供すること。
• 補助変数およびしきい値の柔軟な選択を通じて関係を一般化し、特に補題2のような特殊ケースを含むこと。
• 工学および科学分野における応用を支援すること。特に、性能評価や信頼性解析など、有界な確率変数が一般的に現れる分野で有効である。

提案手法

• 有界な確率変数 $X \in [0,c]$ の期待値を、別の有界な変数 $Y$ の期待値および3つの二項確率の関数として表す一般恒等式を導出する。
• $X$ および $Y$ に対して独立な一様補助確率変数 $U \sim \text{Uniform}[0,1]$ を導入し、しきい値イベントを定義する。
• $X$, $Y$, $U$ およびパrameter $\delta$, $c$, $a$, $b$, $c_2$ を用いた確率的不等式に基づく3つのベルヌーイ確率変数を定義する。
• 期待値の線形性および同時分布の分解を用い、積分表現に関する4つの補題を通じて恒等式を導出する。
• クロッパー・ピアソン法およびボンフェローニの不等式を適用し、二項パラメータの信頼区間を構築する。
• 一般恒等式を単純化し、補題2に至る。ここで $\mathbb{E}[X] = c \cdot \Pr\{X \geq cU\}$ が成り立ち、二項信頼区間を直接スケーリング可能となる。

実験結果

リサーチクエスチョン

• RQ1 有界な確率変数の平均は、二項確率の線形結合として表現可能か？
• RQ2 有界な確率変数の平均に対する統計的推論は、どのように二項パラメータ推定に還元できるか？
• RQ3 一様補助確率変数が有界な平均と二項事象を結ぶ役割を果たす仕組みは何か？
• RQ4 どのようにして二項推論手法を用いて有界な確率変数の平均の信頼区間を構築できるか？
• RQ5 与えられた誤差範囲内で有界な確率変数の平均を所定の信頼水準で推定するための標本サイズはどのくらいか？

主な発見

• この論文は基本的恒等式を確立した：$\mathbb{E}[X] = \mathbb{E}[Y] + \delta \Pr\{X \geq Y + \delta U\} + |c - a - \delta| \Pr\{X > Y + \delta + |c - a - \delta|U\} - b \Pr\{X < bU < Y\}$、任意の $\delta$ に対して成立する。
• 補題1は定数 $c_1$ および $c_2$ を用いた簡略化されたバージョンを提供し、$\mathbb{E}[X]$ を3つの二項確率の線形結合として表現する。
• 補題2は $c_1 = 0$ かつ $c_2 = c$ の場合に $\mathbb{E}[X] = c \cdot \Pr\{X \geq cU\}$ が成り立つことを示し、平均と1つの二項確率との直接的な関係を提供する。
• この手法により、標本比率を用いて3つの二項パラメータを推定し、ボンフェローニの不等式を適用することで $\mathbb{E}[X]$ の信頼区間を構築できる。
• 二項比例推定に必要な標本サイズをスケーリングすることで、有界な平均の推定に必要な標本サイズ問題を解ける。
• 理論的枠組みは、パラメータの符号に関するケース分析を通じて検証された4つの補題によって裏付けられており、期待値を積分および確率の成分に厳密に分解する。