[論文レビュー] Chains of distributions, hierarchical Bayesian models and Benford's Law

Dennis Jang, Jung Uk Kang+3 more|arXiv (Cornell University)|May 27, 2008

Benford’s Law and Fraud Detection参考文献 32被引用数 15

ひとこと要約

本稿は、確率分布の鎖および階層ベイズモデルが、段階数が増加するにつれて、先頭桁の分布がベンフォードの法則に収束することを証明している。メリン変換と中心極限定理の類似手法を用いて、収束が速いことを示しており、収束誤差をメリン変換の和に含まれる誤差項で定量的に評価している。これにより、マルコフ連鎖モンテカルロ法におけるベンフォードの法則の自然な出現が示され、モデルの妥当性を検証する手法が得られる。

ABSTRACT

Kossovsky recently conjectured that the distribution of leading digits of a chain of probability distributions converges to Benford's law as the length of the chain grows. We prove his conjecture in many cases, and provide an interpretation in terms of products of independent random variables and a central limit theorem. An interesting consequence is that in hierarchical Bayesian models priors tend to satisfy Benford's Law as the number of levels of the hierarchy increases, which allows us to develop some simple tests (based on Benford's law) to test proposed models. We give explicit formulas for the error terms as sums of Mellin transforms, which converges extremely rapidly as the number of terms in the chain grows. We may interpret our results as showing that certain Markov chain Monte Carlo processes are rapidly mixing to Benford's law.

研究の動機と目的

• チェーン長が増加するにつれて、分布の鎖がベンフォードの法則に収束することを厳密に確立すること。
• 積構造とメリン変換解析を通じて、階層ベイズモデルにおけるベンフォードの法則の出現に理論的基盤を提供すること。
• メリン変換から導かれる明示的な誤差項を用いて、ベンフォードの法則への収束速度を定量すること。
• マルコフ連鎖モンテカルロ法が、先頭桁がベンフォード分布に素早く混合することを示し、統計的モデル検証を可能にすること。
• 整数乗のランダム変数を含む一般化された鎖に対しても、緩い条件下で収束が保たれることを拡張すること。

提案手法

• 連関する確率変数の系列における先頭桁の分布を分析するため、メリン変換を用いる。
• ポアソン和公式およびフーリエ解析を適用し、先頭桁の累積分布関数を複素数値のメリン変換で表現する。
• 非ゼロのフーリエモードからの寄与に分解することで誤差バウンドを導出し、チェーン長とともに誤差が指数的に減少することを示す。
• 補題A.1を用いて、分布の鎖と独立確率変数の積との間の同等性を確立する。
• パrameter r(m)を用いてメリン変換の評価点を変更することで、ランダム変数の累乗を含む鎖への一般化を図る。
• リーマンゼータ関数および幾何級数の推定を用いて、高次のフーリエモードからの尾部寄与をバウンドする。

実験結果

リサーチクエスチョン

• RQ1 依存する確率分布の鎖における先頭桁の分布は、チェーン長が増加するにつれてベンフォードの法則に収束するか？
• RQ2 事前分布がベンフォード行動に収束する可能性を考慮すると、階層ベイズモデルはベンフォードの法則を用いて整合性を検証できるか？
• RQ3 このような鎖におけるベンフォードの法則への収束速度は何か？ そして、明示的な誤差項を用いて定量できるか？
• RQ4 整数乗への変換（例：ランダム変数を整数乗する）は、鎖モデルにおけるベンフォードの法則への収束にどのような影響を及ぼすか？
• RQ5 マルコフ連鎖モンテカルロ法は、どの程度の速さで先頭桁がベンフォード分布に近づく混合を示すか？

主な発見

• チェーン長が増加するにつれて、分布の鎖における先頭桁の分布は、ややきつい正則性条件のもとでベンフォードの法則に収束する。これはコスソフスキーの予想が裏付けられたものである。
• 収束誤差はチェーン長とともに指数的に減少し、$ (2.9)^{-n} $ および $ (2.7)^{-n} $ を含む項によってバウンドされ、収束が速いことが示された。
• i.i.d. 指数分布に従う $ n $ 個の確率変数の和について、先頭桁の分布はベンフォードの法則に、誤差が $ rac{k}{s} rac{( ext{log} k)^{n-1}}{ ext{Gamma}(n)} + ext{Err}ig( (2.9)^{-n} + rac{ ext{Zeta}(n)-1}{2.7^n} ig) imes 2 ext{log}_{10}s $ で抑えられることを示した。
• 変換された確率変数 $ U = W^r $ のメリン変換は $ ( ext{M} ilde{\psi}_r)(s) = ( ext{M} ilde{\phi})(r(s-1)+1) $ を満たし、収束解析に必要な構造を保ったままとなる。
• 階層ベイズモデルでは、階層レベル数が増加するにつれて、事前分布がベンフォードの法則を満たすようになり、ベンフォード適合性に基づく新たなモデル妥当性検証手法が可能になる。
• 本結果は、多数のマルコフ連鎖モンテカルロ法が、先頭桁の分布に関して、少ない反復回数でベンフォードの法則に素早く混合することを示唆しており、良好な近似が得られることを意味する。