[論文レビュー] Estimating the Margin of Victory of an Election using Sampling

Palash Dey, Y. Narahari|arXiv (Cornell University)|May 4, 2015

Game Theory and Voting Systems参考文献 21被引用数 19

ひとこと要約

この論文は、高い確率と低いサンプル複雑性で選挙における勝利の余裕（MoV）を推定するサンプリングベースのアプローチを導入する。コペランドα、マキシミン、スコアリングルールを含む一般的な投票ルールに対して、効率的な確率的アルゴリズムを提示し、サンプル複雑性が選挙の参加者数 n に依存しない (1−O(1/log m), ε, δ)-近似を達成する。

ABSTRACT

The margin of victory of an election is a useful measure to capture the robustness of an election outcome. It also plays a crucial role in determining the sample size of various algorithms in post election audit, polling etc. In this work, we present efficient sampling based algorithms for estimating the margin of victory of elections. More formally, we introduce the extsc{$(c, ε, δ)$--Margin of Victory} problem, where given an election $\mathcal{E}$ on $n$ voters, the goal is to estimate the margin of victory $M(\mathcal{E})$ of $\mathcal{E}$ within an additive factor of $c MoV(\mathcal{E})+εn$. We study the extsc{$(c, ε, δ)$--Margin of Victory} problem for many commonly used voting rules including scoring rules, approval, Bucklin, maximin, and Copeland$^α.$ We observe that even for the voting rules for which computing the margin of victory is NP-Hard, there may exist efficient sampling based algorithms, as observed in the cases of maximin and Copeland$^α$ voting rules.

研究の動機と目的

• 全票の観測が非現実的である大規模選挙における勝利の余裕（MoV）推定の課題に対処すること。
• (c,ε,δ)-勝利の余裕問題を、加法的誤差と乗法的誤差の両方のバインドをバランスさせるハイブリッド近似として定式化すること。
• さまざまな投票ルールに対して、サンプル複雑性を最小限に抑えつつ、高確率での正確性を保証するサンプリングベースのアルゴリズムを開発すること。
• NP困難なMoV計算問題であっても、コペランドαやマキシミンなどの主要な投票ルールでは、効率的なサンプリング解法が得られることを示すこと。
• 実用的応用分野（例えば、選挙後監査や世論調査）における近似品質とサンプル複雑性に関する理論的保証を提供すること。

提案手法

• MoVを加法的誤差 c·MoV + εn 以内に推定する (c,ε,δ)-MoV 問題を定義する。
• 勝利の余裕を近似するが、サンプリングによって計算可能な代替量 Γ(ℰ) を導入する。
• ランダムサンプリングを用いて、候補者間の対比較優位度数 Dℰ(x,y) を推定し、誤差を ε′n 以内に抑える。
• サンプルによる優位度数から推定器 Γ̄(ℰ) を構築し、それが高確率で Γ(ℰ) のまわりに集中することを証明する。
• コペランドαの場合、Γ̄(ℰ) を要因 4(log m + 1)/(2 log m + 3) でスケーリングして、最終的なMoV推定値 M̄ を得る。
• 得られた推定値 M̄ が高確率で真のMoVに対して (1−O(1/log m), ε, δ)-近似であることを証明する。

実験結果

リサーチクエスチョン

• RQ1 少数のランダムに抽出された票のサブセットのみを用いて、選挙における勝利の余裕を推定できるか？
• RQ2 異なる投票ルールにおいて、(c,ε,δ)-近似を達成するために必要な最小のサンプル複雑性は何か？
• RQ3 MoV計算がNP困難である投票ルール（例：コペランドα）においても、サンプリングベースの手法が依然として効率的かつ正確な推定を可能にするか？
• RQ4 候補者の数 m が、サンプリングベースのMoV推定器の近似品質にどのように影響するか？
• RQ5 提案されたフレームワークは、有権者間のソーシャルネットワーク構造を活用することで、さらにサンプル複雑性を低減できるか？

主な発見

• 提案されたサンプリングベースのアルゴリズムは、コペランドα選挙における (1−O(1/log m), ε, δ)-近似を達成する。
• このアルゴリズムのサンプル複雑性は、選挙の参加者数 n に依存しないため、大規模選挙においてスケーラブルである。
• マキシミンおよびコペランドα投票ルールにおいて、正確なMoV計算がNP困難であるにもかかわらず、効率的なサンプリングアルゴリズムが存在することが示された。
• 推定器 Γ̄(ℰ) は、高確率で真の Γ(ℰ) から 4ε′n の範囲内に集中しており、対比較ごとに O(1/ε′²) のサンプル数で達成される。
• 最終的なMoV推定値 M̄ は、確率 1−δ 以上で |M̄ − MoV| ≤ (1−O(1/log m))·MoV + εn を満たす。
• このフレームワークは、MoVの推定値に基づいてサンプル複雑性を事前に決定できるため、選挙後監査や世論調査の実用的ソリューションを提供する。