[논문 리뷰] Confidence Sets in Boundary and Set Estimation

Hanna Jankowski, Larissa Stanberry|arXiv (Cornell University)|2009. 03. 10.

Control Systems and Identification참고 문헌 22인용 수 1

한 줄 요약

이 논문은 함수 부등식으로 정의된 집합과 경계, 예를 들어 {x: f(x) ≤ p} 또는 {x: p1 ≤ f(x) ≤ p2}와 같은 경우에 대해 경험 평균을 이용한 신뢰 영역을 구축하는 새로운 방법을 제안한다. 이 집합들에 대한 일致성 조건을 설정하고, 신뢰 영역을 통한 강한 일치성과 변동 행동에 대한 이론적 보장을 제공하며, 경계 및 집합 추정에 적용한다.

ABSTRACT

Abstract. Let p1 ≤ p2 and consider estimating a fixed set {x: p1 ≤ f(x) ≤ p2} by the random set {x: p1 ≤ fn(x) ≤ p2}, where fn is a consistent estimator of the continuous function f. This paper gives consistency conditions for these sets, and provides a new method to construct confidence regions from empirical averages of sets. The method can also be used to construct confidence regions for sets of the form {x: f(x) ≤ p} and {x: f(x) = p}. We then apply this approach to set and boundary estimation. We describe conditions for strong consistency for the empirical average sets and study the fluctuations of these via confidence regions. We illustrate the proposed methods on several examples. 1.

연구 동기 및 목표

• 함수 부등식으로 정의된 집합, 예를 들어 {x: f(x) ≤ p} 또는 {x: p1 ≤ f(x) ≤ p2}에 대한 신뢰 영역을 구축하는 방법을 개발하는 것.
• 경계 및 집합 추정 문제에서 경험 평균 집합이 진정한 집합으로 거의 확실히 수렴하는 조건을 설정하는 것.
• 신뢰 영역을 통한 경험 집합의 변동 행동을 연구하여 통계적 신뢰성을 확보하는 것.
• 연속 함수의 수준 집합으로서 경계를 다루는 방식으로 프레임워크를 경계 추정으로 확장하는 것.

제안 방법

• fn이 f의 일致성 추정량일 때, 경험 평균 집합 {x: p1 ≤ fn(x) ≤ p2}를 진정한 집합 {x: p1 ≤ f(x) ≤ p2}의 일치 추정량으로 사용한다.
• f와 fn에 대한 약한 정규성 조건 하에서 경험 집합이 거의 확실히 진정한 집합으로 수렴하도록 보장하기 위해 강한 일치성 결과를 적용한다.
• 경험 과정 이론을 이용해 경험 집합이 진정한 집합 주위에서 변동하는 방식을 분석함으로써 추정된 집합에 대한 신뢰 영역을 유도한다.
• 경험 집합의 수렴 성질을 활용하여 수준 집합 {x: f(x) = p} 및 {x: f(x) ≤ p}에 대한 신뢰 영역을 구축한다.
• 경험 과정 기법을 활용해 경험 집합이 진정한 집합으로부터 벗어나지 않는 정도를 정량화함으로써 유한 표본에 대한 신뢰 구문을 가능하게 한다.
• 이론적 분석과 도식적 예제를 통해 방법의 타당성을 검증하여 실용적 추정 설정에서의 적용 가능성을 입증한다.

실험 결과

연구 질문

• RQ1 연속 함수 f를 포함한 부등식으로 정의된 집합, 예를 들어 {x: f(x) ≤ p}에 대해 어떻게 신뢰 영역을 구축할 수 있는가?
• RQ2 경계 및 집합 추정에서 경험 평균 집합의 강한 일치성을 보장하는 조건은 무엇인가?
• RQ3 경험 집합의 변동 행동은 어떻게 되며, 이를 신뢰 영역을 통해 어떻게 정량화할 수 있는가?
• RQ4 제안된 방법을 함수의 수준 집합으로서 경계를 추정하는 데로 확장할 수 있는가?
• RQ5 구축된 신뢰 영역의 수렴성과 커버리지에 대해 어떤 이론적 보장을 제공할 수 있는가?

주요 결과

• f와 추정량 fn에 대한 약한 정규성 조건 하에서 경험 평균 집합 {x: p1 ≤ fn(x) ≤ p2}가 거의 확실히 진정한 집합 {x: p1 ≤ f(x) ≤ p2}로 수렴한다.
• 경험 집합이 진정한 집합 주위에서 변동하는 방식을 분석함으로써, {x: f(x) ≤ p} 및 {x: f(x) = p} 형태의 집합에 대해 유효한 신뢰 영역을 제공한다.
• fn이 정의역 내에서 f로 균일 수렴하는 조건을 만족시키면 경험 집합의 강한 일치성이 확립된다.
• 유한 표본 커버리지 보장을 가능하게 하기 위해 경험 과정 이론을 이용해 추정된 집합의 신뢰 영역을 구축한다.
• 이론적 결과는 표본 크기가 증가함에 따라 제안된 방법이 정확한 커버리지 확률을 유지함을 시사한다.
• 도식적 예제를 통해 방법의 실용적 타당성과 경계 및 집합 추정 과제에서의 강건성을 확인한다.