[論文レビュー] Monte Carlo Estimation for Imprecise Probabilities: Basic Properties

Arne Decadt, Gert de Cooman+1 more|arXiv (Cornell University)|May 22, 2019

Statistical Methods and Inference参考文献 12被引用数 5

ひとこと要約

本稿は、曖昧確率における下期待値のモンテカルロ推定量の基礎的統計的性質を確立し、バイアスと一貫性に焦点を当てる。バイアスが負であり、標本サイズが増加するにつれて減少することを証明し、強い一貫性のための実用的条件を提示する。既存の推定量の一致性の証明と、一貫性が成立しない場合の反例も示している。

ABSTRACT

We describe Monte Carlo methods for estimating lower envelopes of expectations of real random variables. We prove that the estimation bias is negative and that its absolute value shrinks with increasing sample size. We discuss fairly practical techniques for proving strong consistency of the estimators and use these to prove the consistency of an example in the literature. We also provide an example where there is no consistency.

研究の動機と目的

• 曖昧確率モデルにおける下期待値のモンテカルロ推定量の理論的性質を調査すること。
• 古典的モンテカルロ法と比較して、曖昧モンテカルロ法におけるバイアスと一貫性の詳細な理論的分析が不足している問題に対処すること。
• 単一の分布からの標本抽出に基づく推定量の強い一貫性を示すための実用的で検証可能な条件を提供すること。複数の測度からなる集合における変換を用いた標本の生成を想定する。
• 具体例を通じて理論の適用可能性を示すこと。既知の推定量の一致性の証明と、一貫性が成立しないケースの提示を含む。

提案手法

• 本稿は、$\hat{\underline{\mathrm{E}}}_{n}^{\mathscr{P}}(f) = \inf_{t \in T} \frac{1}{n} \sum_{k=1}^{n} f_t(X_k^P)$ の形をとる一般クラスの推定量を提案する。ここで、標本は単一の分布 $P$ から抽出され、集合 $\mathscr{P}$ 内の他の分布を表現するために変換される。
• 重要度サンプリングとパラメトリック変換技術を用いて、異なる確率測度間で相関のある推定値を生成し、各測度ごとに独立に標本を抽出する方法に比べてバイアスを低減する。
• 理論的分析は、パrameter空間 $T$、スコア関数の可積分性、尤度比およびその微分の有界性に依存する強い一貫性の証明に基礎を置く。
• 整合性証明のため、定理3.16を応用して密度比およびその勾配の可積分性と一様有界性を検証する。
• 重要な要素として、パrameterに関する密度の勾配の $L^1$-ノルムの有界性を保証することで、一貫性のための条件を満たす。
• 2つの具体例を通じて、手法の妥当性を検証する。1つ目は、文献に既存の推定量の一致性の証明であり、理論枠組みの有効性を検証する。2つ目は、パrameter空間の非有界性または密度の挙動の非有界性により、一貫性が成立しないケースを示す。

実験結果

リサーチクエスチョン

• RQ1 曖昧確率モデルにおける下期待値のモンテカルロ推定量のバイアスの挙動はいかなるものか？
• RQ2 提案されたモンテカルロ推定量が強い一貫性を示すための条件は何か？
• RQ3 集合 $\mathscr{P}$ 内の各測度に対して独立に標本を抽出するナーブな推定量と比較して、バイアスをどのように低減できるか？
• RQ4 この理論枠組みを用いて、文献に既存の推定量の一貫性を証明できるか？
• RQ5 一貫性が成立しないケースは存在するか？その場合、どのような構造的条件がこれに起因するか？

主な発見

• 提案された下期待値のモンテカルロ推定量のバイアスは負であることが証明され、その絶対値は標本サイズが増加するにつれて減少する。
• 本稿は、スコア関数の可積分性および尤度比とその勾配の有界性に基づいて、推定量の強い一貫性の十分条件を提示する。
• 文献に既存の推定量の強い一貫性の実用的証明が行われ、理論枠組みの妥当性が裏付けられる。
• パrameter空間の非有界性または密度の挙動の非有界性により、推定量の一貫性が成立しないケースが構築され、条件の必要性が明確に示される。
• 単一の分布からの標本抽出と、複数の測度に適応するための標本変換によって、推定値間に相関を生じさせることでバイアスが低減される。
• 理論枠組みは、重要度サンプリングやその他の変換に基づく手法をカバーする十分な一般性を持ち、適用のための明確な条件を提示する。