[論文レビュー] Confidence Sets in Boundary and Set Estimation

Hanna Jankowski, Larissa Stanberry|arXiv (Cornell University)|Mar 10, 2009

Control Systems and Identification参考文献 22被引用数 1

ひとこと要約

本稿では、関数不等式で定義される集合や境界、たとえば {x: f(x) ≤ p} や {x: p1 ≤ f(x) ≤ p2} の信頼領域を構築するための新しい手法を提案する。この手法は、確率的集合の経験平均を用い、これらの集合の収束性条件を確立し、信頼領域を通じて強い収束性および揺らぎの挙動について理論的保証を提供する。応用例として境界および集合推定が挙げられる。

ABSTRACT

Abstract. Let p1 ≤ p2 and consider estimating a fixed set {x: p1 ≤ f(x) ≤ p2} by the random set {x: p1 ≤ fn(x) ≤ p2}, where fn is a consistent estimator of the continuous function f. This paper gives consistency conditions for these sets, and provides a new method to construct confidence regions from empirical averages of sets. The method can also be used to construct confidence regions for sets of the form {x: f(x) ≤ p} and {x: f(x) = p}. We then apply this approach to set and boundary estimation. We describe conditions for strong consistency for the empirical average sets and study the fluctuations of these via confidence regions. We illustrate the proposed methods on several examples. 1.

研究の動機と目的

• 関数不等式で定義される集合、たとえば {x: f(x) ≤ p} や {x: p1 ≤ f(x) ≤ p2} の信頼領域を構築するための手法を開発すること。
• 境界および集合推定問題において、経験的平均集合が真の集合にほとんど確実に収束するための条件を確立すること。
• 信頼領域を用いて経験的集合の揺らぎの挙動を分析し、統計的信頼性を保証すること。
• 連続関数の等高線集合として境界を扱うことで、境界推定へのフレームワークの拡張を図ること。

提案手法

• fn が f の一貫性推定子であるとき、真の集合 {x: p1 ≤ f(x) ≤ p2} の一貫性推定子として、確率的集合 {x: p1 ≤ fn(x) ≤ p2} の経験平均を用いる。
• f および fn に対してややいなめらかさの条件が満たされれば、強い収束結果を適用し、経験的集合がほとんど確実に真の集合に収束することを保証する。
• 経験過程理論を用いて、経験的集合が真の集合のまわりでどのように揺らぐかを分析し、推定された集合の信頼領域を導出する。
• 経験的集合の収束性の性質を活用して、{x: f(x) = p} や {x: f(x) ≤ p} のような等高線集合の信頼領域を構築する。
• 経験過程技法を用いて、経験的集合と真の集合との乖離を定量化し、有限標本における信頼性のある記述を可能にする。
• 理論的分析と具体的な例を通じて、提案手法の有効性を検証し、実用的推定設定への適用可能性を示す。

実験結果

リサーチクエスチョン

• RQ1 連続関数 f を含む不等式で定義される集合、たとえば {x: f(x) ≤ p} の信頼領域をどのように構築できるか。
• RQ2 境界および集合推定において、経験的平均集合の強い収束性を保証する条件は何か。
• RQ3 経験的集合の揺らぎの挙動はどのように振る舞い、信頼領域を用いてどのように定量化できるか。
• RQ4 提案手法を関数の等高線集合として境界を推定するのに拡張可能か。
• RQ5 構築された信頼領域の収束性および被覆確率について、どのような理論的保証を提供できるか。

主な発見

• f および推定子 fn に対してややいなめらかさの条件が満たされれば、経験的平均集合 {x: p1 ≤ fn(x) ≤ p2} はほとんど確実に真の集合 {x: p1 ≤ f(x) ≤ p2} に収束する。
• 経験的集合が真の集合のまわりで揺らぐ挙動を分析することにより、本手法は {x: f(x) ≤ p} および {x: f(x) = p} の形の集合に対して有効な信頼領域を提供する。
• fn が定義域内で f に一様収束する条件が満たされれば、経験的集合の強い収束性が確立される。
• 信頼領域は経験過程理論を用いて構築され、有限標本における被覆保証を可能にする。
• 理論的結果により、標本サイズが増加するにつれて、提案手法が正しい被覆確率を維持することが示された。
• 具体的な例から、境界および集合推定タスクにおける本手法の実用的妥当性および頑健性が確認された。