[논문 리뷰] Confidence Intervals for Poisson Distribution Parameter

Sergey Bityukov, Nikolai Krasnikov외 1명|ArXiv.org|2001. 08. 09.

Fault Detection and Control Systems참고 문헌 8인용 수 15

한 줄 요약

이 논문은 배경 항법 또는 기타 보정으로 인해 관측된 사건 수가 정수가 아닐 때 파oisson 분포의 모수에 대한 신뢰구간을 구축하기 위해 통합된 최빈도 및 베이지안 접근법을 제안한다. 관측된 자료에 따라 진짜 모수의 표본 분포로 감마 분포를 사용함으로써 정수 또는 실수 값의 관측치에 대해 연속적인 신뢰구간을 구성할 수 있으며, 수치 결과는 낮은 사건 수에서도 정확한 커버리지가 이루어짐을 보여준다.

ABSTRACT

Results of numerical procedure of constructing confidence intervals for parameter of the Poisson distribution of signal events in the presence of background events with known value of parameter of Poisson distribution are presented. It is shown that the used procedure has both the Bayesian and frequentist interpretations. Also the possibility to construct a continuous analogue of the Poisson distribution to search the bounds of confidence intervals for the parameter of the Poisson distribution is discussed.

연구 동기 및 목표

• 배경 항법 또는 기타 보정으로 인해 관측된 사건 수가 정수가 아닐 때 파oisson 모수에 대한 신뢰구간을 구축하는 데 도전하는 문제를 다루기 위해.
• 관측된 수치가 주어졌을 때 진짜 파oisson 모수의 사후 확률이 자연스럽게 감마 분포로 모델링됨을 보여주어 최빈도 및 베이지안 해석을 모두 가능하게 한다.
• 관측된 사건 수가 정수가 아닐 때도 사용할 수 있는 연속적 대체 파oisson 분포로 일반화하기 위해.
• 낮은 수치를 포함한 다양한 관측값에 대해 최소 길이의 신뢰구간을 수치적으로 안정적으로 계산하는 방법을 제공하기 위해.
• 특히 낮은 관측 수치에서의 커버리지 성질을 수치적 비교를 통해 검증하여 기존 방법과의 성능을 비교하기 위해.

제안 방법

• 관측된 수치 ẋ에 대해 진짜 파oisson 모수 λ의 확률이 형상 매개수 ẋ+1, 척도 매개수 1인 감마 분포를 따르며, 즉 P(λ|ẋ) ∝ λ^ẋ e^−λ / ẋ! 임을 이용한다.
• 주어진 가정 하에 동일한 감마 분포가 최빈도 신뢰구간과 베이지안 신뢰구간의 이중성(duality)을 보여주어 두 목적에 모두 사용될 수 있음을 입증한다.
• 비정수 관측값 ẋ에 대해 감마 분포 모델을 연속적인 ẋ ≥ 0로 확장하여, 파oisson 분포의 연속적 대체로 간주한다.
• 신뢰구간은 수치적으로 가장 짧은 간격 [λ₁, λ₂]를 찾는 방식으로 구성되며, 감마(1, ẋ+1) 밀도 곡선 아래의 면적이 원하는 신뢰수준(예: 90%)과 일치하도록 한다.
• 중앙 및 최소 길이 간격을 모두 계산하고, 특히 중심 간격이 최적일 수 없는 낮은 ẋ 값에서의 커버리지 성질을 비교한다.
• 0에서 20까지의 다양한 ẋ 값에 대해 수치 표를 생성하여 결과적인 신뢰구간과 커버리지 성질을 보여주며, 낮은 ẋ에서도 거의 90%의 커버리지가 이루어짐을 확인한다.

실험 결과

연구 질문

• RQ1 비정수 관측 수치에 대해도 사후 분포가 감마 분포로 유지되는 방식으로 파oisson 분포의 연속적 확장을 정의할 수 있는가?
• RQ2 베이지안 추론에서 사용된 동일한 감마 분포가 파oisson 모수에 대해 유효한 최빈도 신뢰구간을 제공하는가?
• RQ3 낮은 관측 사건 수에서 제안된 신뢰구간의 커버리지 성질은 기존 방법과 비교해 어떻게 되는가?
• RQ4 최소 길이 간격과 중심 간격을 비교했을 때, 간격의 폭과 커버리지 정확성 측면에서 성능은 어떠한가?
• RQ5 배경 항법 또는 기타 보정으로 인해 관측된 사건 수가 실수일 경우에도 이 방법이 신뢰구간을 안정적으로 구성할 수 있는가?

주요 결과

• 이 방법은 진짜 모수 λ를 형상 ẋ+1, 척도 1인 감마 분포로 모델링하여 정수 및 실수 값의 관측 수치에 대해 유효한 신뢰구간을 성공적으로 구성한다.
• 관측 수치 ẋ ≥ 3일 경우, 감마 분포를 사용한 90% 신뢰구간은 약 90%의 커버리지 성질을 보이며, 실제 곡선 아래 면적은 ẋ에 따라 88%에서 90% 사이로 변동한다.
• 낮은 ẋ 값(예: ẋ = 0.5, 1.0)에서는 중심 신뢰구간의 왼쪽 경계가 0이 아니므로 중심 간격이 최적이 아니며, 더 짧은 간격이 선호됨을 나타낸다.
• 최소 길이 신뢰구간은 수치적으로 계산되었으며, 특히 낮은 ẋ에서 중심 간격보다 더 정확한 것으로 나타났으며, 90% 간격은 감마 분포 곡선 아래 약 88~90%의 면적을 커버한다.
• 이 절차는 자기 일관성과 해석의 이중성(이중 해석)을 만족한다: 최빈도 커버리지 요구사항과 베이지안 사후 확률 정의를 모두 충족한다.
• 이 방법은 ẋ = 0에서 ẋ = 20까지 광범위한 관측값에 대해 안정적이고 적용 가능하며, 수치 표와 그림을 통해 이를 입증하였다.