[論文レビュー] Coherent Frameworks for Statistical Inference serving Integrating Decision Support Systems

Jim Q. Smith, Martine J. Barons+1 more|arXiv (Cornell University)|Jul 27, 2015

Bayesian Modeling and Causal Inference参考文献 100被引用数 10

ひとこと要約

本論文は、複数の専門パネルから得られる確率的モデルを統合意思決定支援システム（IDSS）に統合する整合的フレームワークを提案しており、新たな証拠が組み込まれる際も推論が論理的に整合的であることを保証する。ベイジアンネットワークと尤度分離を活用することで、核危機管理や食料安全保障政策といった分野における複雑で相互に接続されたモデルにおいて、動的かつ分散型の政策効果スコアの更新を可能にするとともに、整合性を維持する。

ABSTRACT

A subjective expected utility policy making centre, managing complex, dynamic systems, needs to draw on the expertise of a variety of disparate panels of experts and integrate this information coherently. To achieve this, diverse supporting probabilistic models need to be networked together, the output of one model providing the input to the next. In this paper we provide a technology for designing an integrating decision support system and to enable the centre to explore and compare the efficiency of different candidate policies. We develop a formal statistical methodology to underpin this tool. In particular, we derive sufficient conditions that ensure inference remains coherent before and after relevant evidence is accommodated into the system. The methodology is illustrated throughout using examples drawn from two decision support systems: one designed for nuclear emergency crisis management and the other to support policy makers in addressing the complex challenges of food poverty in the UK.

研究の動機と目的

• 専門パネルから得られる多様で自律的な確率的モデルを統合的に統合する統計的に妥当な手法を構築すること。
• 部品モデルが独立して進化しても、証拠が更新される前後で統計的推論の整合性が保たれるようにすること。
• 分散的かつスケーラブルな方法で専門家が提供する確率的出力を統合することで、動的かつリアルタイムでの政策オプション評価を可能にすること。
• 所有権やモデルのタイムリーさが現実的でない大規模かつ複雑なシステムにおいて、モノリシックな確率的モデルの限界を克服すること。
• 核緊急対応や食料貧困政策といったハイリスク分野における専門家の判断統合のための形式的フレームワークを提供すること。

提案手法

• グラフィカル構造を用いて専門分野間の依存関係を表現するベイジアンマルチエージェントモデルをフレームワークに採用し、モジュラー推論を可能にする。
• 証拠統合の形式的分散性と整合性を保証するため、尤度分離を適用する。
• 各専門パネルからの統計的出力（例：期待効用関数）のみを処理し、完全な結合分布モデリングを回避する。
• 予測の妥当性を検証するために、時間経過とともに政策結果と観察結果を比較する逐次的（prequential）アプローチを提案する。
• システム方程式のエンコードと解析にコンピュータ代数を用い、頑健性のチェックと構造的診断を支援する。
• 正確な尤度分離が失敗する場合には、変分ベイズにインspiredされた近似推論手法を提案し、モデルの妥当性を維持するための診断チェックを併用する。

実験結果

リサーチクエスチョン

• RQ1 単一のモノリシックな結合分布を構築せずに、複数の専門パネルからの確率的モデルを整合的に統合する方法は何か？
• RQ2 ネットワーク化されたモデルにおいて、証拠が更新された前後で統計的推論が整合的であるための条件は何か？
• RQ3 自律的モデルからの選択的出力のみを用いて、政策効果スコアを動的に計算・比較する方法は何か？
• RQ4 実証データを用いて、統合システムにおける構造的仮定をどのように検証または見直せるか？
• RQ5 大規模かつ分散型の意思決定支援システムにおいて、頑健性と分散性を保証する計算および統計的手法は何か？

主な発見

• 尤度分離に基づく十分条件により、部品モデルが独立に更新されても推論の整合性が保証される。
• 専門パネルからの主要な統計的出力のみを用いることで、完全な結合モデリングを回避し、リアルタイムかつ分散型の政策評価の更新が可能になる。
• 核緊急管理（RODOS）およびイギリスの食料貧困政策という2つの実世界の応用事例を通じて、実用的妥当性が検証された。
• モデル妥当性の診断チェックを個々の専門パネルに委ねることで、システムのスケーラビリティと透明性を維持できる。
• 正確な整合性が崩れた場合でも、変分ベイズにインspiredされた近似推論手法を用いることで、適切な診断監視のもとで分散性を維持できる。
• コンピュータ代数の使用により、システム方程式の形式的解析が可能となり、IDSSアーキテクチャにおける頑健性および構造的整合性のチェックを支援する。