[論文レビュー] Test Martingales for bounded random variables

Harrie Hendriks|arXiv (Cornell University)|Jan 29, 2018

Probability and Risk Models参考文献 11被引用数 3

ひとこと要約

本稿では、最小限の分布的仮定のもとで、平均の逐次的仮説検定および信頼区間構築を可能にする、有界確率変数に対するテストマルティンゲールを導入する。スーパーマルティンゲールの性質と指数的チルティングの凸結合を活用することで、パワー1の検定と有効な信頼区間を達成する。金融監査および統計的推論への応用を想定している。

ABSTRACT

Given a random sample from a random variable $T$ which is bounded from above, $T\leτ$ a.s., we define processes that are positive supermartingales if $E(T)\geμ$. Such processes are called test martingales. Tests of the supermartingale hypothesis implicitly test the hypothesis $H_0:E(T)\geμ$. We construct test martingales that lead to tests with power 1. We also construct confidence upper bounds. We extend the techniques to testing $H_0:E(T)=μ$ and constructing confidence intervals. In financial auditing random sampling is proposed as one of the possible techniques to gather enough assurance to be able to state that there is no 'material' misstatement in a financial report. The goal of our work is to provide a mathematical context that could represent such process of gathering assurance by means of repeated random sampling.

研究の動機と目的

• 有界確率変数の平均に対する逐次的仮説検定のための統計的枠組みを構築すること。
• 最小限の仮定のもとで期待値の信頼上限および両側信頼区間を構築すること。
• 非パラメトリックな分布であっても、平均に関する仮説検定においてパワー1を達成すること。
• 応用統計学者および監査官、特に金融サンプリングの文脈において、数学的に厳密でありながらも扱いやすいツールを提供すること。
• 現在のマルティンゲールに基づく推論を、有界なサポートしか仮定しない非パラメトリックな設定に拡張すること。

提案手法

• 帰無仮説下で正のスーパーマルティンゲールとして定義されるテストマルティンゲール $\mathbf{E}(T) \geq \mu$ を、有界確率変数の指数的チルティングを用いて構築する。
• パrameter $c \in [-1,1]$ でパrameter化されたテストマルティンゲールの凸結合を用い、頑健な族 $M_n^\mu(\pi) = \int_{-1}^1 M_n^\mu(c) \pi(c)\,dc$ を形成する。
• $M_n^\mu(\pi)$ の $\mu$ における凸性を活用し、集合 $\{\mu \mid \forall n: M_n^\mu(\pi) < 1/\alpha\}$ が区間となることを保証し、有効な信頼領域を形成する。
• スーパーマルティンゲールの最大不等式を適用し、真の平均が信頼区間内にある確率が $1 - \alpha$ 以上であることを保証する。
• テストマルティンゲールを $c \geq 0$ の場合 $M_n^\mu(c) = \prod_{i=1}^n (1 - c(T_i - \mu)/(\tau_1 - \mu))$ および $c \leq 0$ の場合 $M_n^\mu(c) = \prod_{i=1}^n (1 - c(T_i - \mu)/(\mu - \tau_0))$ の形で構築し、$\mathbf{E}(T) \geq \mu$ の下でスーパーマルティンゲールの性質を保証する。
• 観測データを用いて中間時刻でテストマルティンゲール族を再重み付けすることで、適応的設計を可能にし、可測性およびスーパーマルティンゲールの性質を維持する。

実験結果

リサーチクエスチョン

• RQ1 有界確率変数に対して、帰無仮説 $\mathbf{E}(T) \geq \mu$ の下でパワー1を達成するテストマルティンゲールを構築できるか？
• RQ2 パラメトリックな仮定なしに、テストマルティンゲールを用いて信頼上限および両側信頼区間をどのように構築できるか？
• RQ3 テストマルティンゲールのパrameter $\mu$ における凸性が、区間型信頼領域を保証するために果たす役割は何か？
• RQ4 サンプリング中にマルティンゲールまたは可測性の制約に反することなく、どのように逐次的に手法を適応できるか？
• RQ5 この枠組みは、分布的仮定を最小限に抑え、金融監査サンプリングなどの実世界の問題に適用可能か？

主な発見

• 構築されたテストマルティンゲールは、$H_0: \mathbf{E}(T) \geq \mu$ の検定においてパワー1を達成し、帰無仮説下で型IIエラーが発生しないことを保証する。
• 信頼区間 $\{\mu \mid \forall n: M_n^\mu(\pi) < 1/\alpha\}$ は、$1 - \alpha$ 以上の被覆確率を持つ有効な区間であり、$M_n^\mu(\pi)$ の $\mu$ における凸性により、凸集合である。
• 標本平均 $\overline{t}_n$ は常に信頼領域 $\{\mu \mid M_n^\mu(\pi) < 1/\alpha\}$ 内に存在し、実用的意義を有する。
• T \sim \mathrm{Beta}(2,98) の場合、平均サンプル数は 117.79、平均は 69.99、標準偏差は 5.07 であり、効率的な停止行動を示している。
• この手法は適応的設計をサポートする：時刻 $n$ において、観測データに基づく新たなテスト族を用いて $M_{n+\ell}^\mu = M_n^\mu N_\ell^\mu$ のようにテストマルティンゲールを再重み付け可能であり、スーパーマルティンゲール構造を維持する。
• この枠組みはモデルの誤指定に対して頑健であり、$T(\omega) \in [0,1]$ を満たす金融不正記録サンプリングなどの非パラメトリックな設定に適用可能である。