[論文レビュー] Making Decisions with Belief Functions

Thomas M. Strat|arXiv (Cornell University)|Mar 27, 2013

Bayesian Modeling and Causal Inference参考文献 5被引用数 5

ひとこと要約

本稿は、意思決定問題における曖昧性を解消するための鍵となる仮定に確率的解釈を導入することで、信念関数を用いた意思決定フレームワークを提案する。このアプローチが同一仮定下で確率的手法と同一の期待値をもたらすことを示しており、標準的決定分析手法を信念関数理論へと一貫性を持って拡張可能である。

ABSTRACT

A primary motivation for reasoning under uncertainty is to derive decisions in the face of inconclusive evidence. However, Shafer's theory of belief functions, which explicitly represents the underconstrained nature of many reasoning problems, lacks a formal procedure for making decisions. Clearly, when sufficient information is not available, no theory can prescribe actions without making additional assumptions. Faced with this situation, some assumption must be made if a clearly superior choice is to emerge. In this paper we offer a probabilistic interpretation of a simple assumption that disambiguates decision problems represented with belief functions. We prove that it yields expected values identical to those obtained by a probabilistic analysis that makes the same assumption. In addition, we show how the decision analysis methodology frequently employed in probabilistic reasoning can be extended for use with belief functions.

研究の動機と目的

• 信念関数理論は不確実性を表現する上で有用であるが、その一方で形式的な意思決定手順が欠如しているという問題に対処すること。
• 信念関数に基づく意思決定問題の曖昧性を解消するために必要な最小限の仮定を特定・形式化すること。
• この仮定が、確率的分析から得られる期待値と同等の結果をもたらすことを示すこと。
• 確率論理論で一般的に用いられる標準的決定分析手法（例：期待効用最大化）を、信念関数フレームワークへと拡張できることを示すこと。
• 証拠が不完全または曖昧な状況において、原則的かつ一貫性のある意思決定手法を提供すること。

提案手法

• 信念関数の焦点集合に確率を割り当てる簡単な仮定を導入し、これにより焦点集合が確率分布に効果的に変換されることを実現する。
• 得られた確率分布に対して、期待効用最大化などの標準的決定理論的手法を適用する。
• 最大エントロピーの原理または同等の確率的変換を用いて、元の信念構造と整合性を保つ。
• この手法により計算される期待値が、同一仮定下で完全な確率的分析から得られる期待値と一致することを示す。
• 導出された確率的解釈を活用して、意思決定ネットワークやインフルエンス図を信念関数上で動作可能にする。
• 同一仮定下で信念関数に基づく意思決定と確率的意思決定の間の同等性を理論的証明により検証する。

実験結果

リサーチクエスチョン

• RQ1 信念関数理論には標準的手続きが存在しないが、どのようにして意思決定を形式化できるか？
• RQ2 信念関数を用いる際の意思決定の曖昧性を解消するために必要な最小限の仮定は何か？
• RQ3 この仮定を適用することで、確率的分析から得られる意思決定結果と同等の結果が得られるか？
• RQ4 確率論で一般的に用いられる意思決定分析手法を信念関数に適応できるか？
• RQ5 信念関数に基づく意思決定における曖昧性を解消するために確率的解釈を用いる理論的根拠は何か？

主な発見

• 提案された仮定により、同一条件下で確率的分析から得られる期待値と数学的に同一の期待値が得られる。
• この手法により、期待効用やインフルエンス図などの標準的意思決定分析ツールを信念関数フレームワーク内で利用可能にする。
• 指定された仮定下で、信念関数に基づく意思決定と確率的意思決定の間には同等性が成立し、アプローチの妥当性が裏付けられる。
• このフレームワークは、必要最小限の仮定を超えないようにして、不確実性下での意思決定に原則的かつ一貫性のある方法を提供する。
• 元の信念関数構造と整合性を保ちつつ、実用的な意思決定を可能にする。
• この手法は形式的に整合性があり、信念関数理論の実世界の意思決定問題への応用可能性を拡張する。