[論文レビュー] Game-theoretic statistics and safe anytime-valid inference

Aaditya Ramdas, Peter Grünwald+2 more|arXiv (Cornell University)|Oct 4, 2022

Statistical Methods and Inference被引用数 6

ひとこと要約

この論文は、eプロセス（1で始まる非負のマルティンゲール）を用いることで、任意の停止時刻においても有効な統計的推論を可能にするゲーム理論的枠組み、安全かつ任意時刻に有効な推論（SAVI）を導入する。eプロセスにより、すべての停止時刻で有効な証拠の普遍的測度と信頼区間系列が得られ、非パラメトリックな複合仮説検定およびテストマルティンゲールとビルの不等式を用いたロバスト推定において重要な進展がなされる。

ABSTRACT

Safe anytime-valid inference (SAVI) provides measures of statistical evidence and certainty -- e-processes for testing and confidence sequences for estimation -- that remain valid at all stopping times, accommodating continuous monitoring and analysis of accumulating data and optional stopping or continuation for any reason. These measures crucially rely on test martingales, which are nonnegative martingales starting at one. Since a test martingale is the wealth process of a player in a betting game, SAVI centrally employs game-theoretic intuition, language and mathematics. We summarize the SAVI goals and philosophy, and report recent advances in testing composite hypotheses and estimating functionals in nonparametric settings.

研究の動機と目的

• 任意の停止やデータの途中観察が行われる状況下でも有効な統計的枠組みを構築すること。科学における再現性の危機に対処する。
• すべての停止時刻で有効な統計的証拠（e値）と信頼区間系列の普遍的測度を提供すること。
• ゲーム理論的確率論とマルティンゲール理論を用いて、逐次的・適応的データ収集に対応する伝統的な頻度的推論を拡張すること。
• データ依存的な停止の下でp値やベイズ的手法に見られる限界を克服するため、eプロセスとテスト上マルティンゲールを導入すること。
• 普遍的推論と逆情報射影（RIPr）を用いて、非パラメトリック推論、特に複合仮説および関数的統計量の分野を前進させること。

提案手法

• テストマルティンゲール（1で始まる非負のマルティンゲール）を、ギャンブルゲームにおける富の過程として用い、帰無仮説に対する統計的証拠を表現する。
• ビルの不等式を適用して、テストマルティンゲールが任意のしきい値を超える確率がその逆数で上界をもつことを保証し、任意時刻有効性を達成する。
• eプロセスを、帰無仮説の下で非負の上マルティンゲールである確率過程として用い、任意時刻に有効なp値と信頼区間系列を可能にする。
• 複合仮説に対して正確な代替仮説が不要な状況でもeプロセスを構築できるように、普遍的推論（UI）と逆情報射影（RIPr）を導入する。
• e値の平均化や乗算を用いて、複数の検定やデータストリームからの証拠を統合し、有効性を維持する。
• フィルトレーションの粗化（例：コフォーマルp値や群不変統計量の使用）を用いて、安全な任意の停止下でもより強力なeプロセスを構築する。

実験結果

リサーチクエスチョン

• RQ1 中間結果に基づいてデータ収集を停止または継続する場合でも、すべての停止時刻で有効なeプロセスを構築できるか？
• RQ2 正確な代替仮説が不明な非パラメトリックな設定において、複合帰無仮説と代替仮説の下でeプロセスをどのように拡張できるか？
• RQ3 逆情報射影（RIPr）がeプロセスを生成するための条件は何か？（e変数の系列にとどまらない場合）
• RQ4 フィルトレーションの選択がeプロセスの安全性とパワーに与える影響は何か？粗化が有益となる状況はいつか？
• RQ5 適性と効率性の観点から、普遍的推論、RIPr、および他のeプロセス構築法の理論的・実用的トレードオフは何か？

主な発見

• 普遍的推論と逆情報射影を用いて構築されたeプロセスは、非パラメトリックな設定下で複合仮説検定に有効であることが示され、対称性、交換可能性、対数凹型の検定に適用可能である。
• 帰無仮説が複合的で正確な代替仮説が存在しない場合でも、帰無モデル上でのテストマルティンゲールの下界を用いることで、eプロセスを構築可能であることを実証した。
• 群不変性を有するパラメトリックモデル（例：t検定）では、より強力なeプロセスが粗化されたフィルトレーションで構築可能であり、依然として安全性を保つ。
• 正規位置母数モデルでは、RIPrに基づくeプロセスがGRO（最大リスク最適性）の意味で最適であり、成長率において普遍的推論を上回ることを示した。
• eプロセスの適性には、テストマルティンゲールの下界に加え、事象間での挙動の一貫性も必要であることが判明し、現在の特徴付けにはこの点のギャップがあることを明らかにした。
• 数値結果から、RIPrに基づくeプロセスは、既知の構造がある設定では普遍的推論を上回るパワーを持つことが示唆されたが、一般ケースにおける効率的アルゴリズムの開発は未解決の課題である。