[논문 리뷰] Elicitation of Weibull priors

Nicolás Bousquet|arXiv (Cornell University)|2010. 07. 27.

Statistical Distribution Estimation and Applications참고 문헌 24인용 수 5

한 줄 요약

이 논문은 전문가가 제시한 수명 값들을 가상의 크기 $m$을 가진 표본으로 간주함으로써 정보성의 Weibull 사전분포를 도출하는 새로운 방법을 제안한다. 이는 사전분포의 정보성에 대한 직관적인 校정을 가능하게 하며, 전체적으로 해석 가능하고 방어 가능한 프레임워크를 제공함으로써, 특히 소규모 또는 케일드된 데이터셋이 있는 신뢰성 및 위험 평가 맥락에서 전문가 의견과 관측 데이터의 균형을 이루는 데 기여한다.

ABSTRACT

Based on expert opinions, informative prior elicitation for the common Weibull lifetime distribution usually presents some difficulties since it requires to elicit a two-dimensional joint prior. We consider here a reliability framework where the available expert information states directly in terms of prior predictive values (lifetimes) and not parameter values, which are less intuitive. The novelty of our procedure is to weigh the expert information by the size m of a virtual sample yielding a similar information, the prior being seen as a reference posterior. Thus, the prior calibration by the Bayesian analyst, who has to moderate the subjective information with respect to the data information, is made simple. A main result is the full tractability of the prior under mild conditions, despite the conjugation issues encountered with the Weibull distribution. Besides, m is a practical focus point for discussion between analysts and experts, and a helpful parameter for leading sensitivity studies and reducing the potential imbalance in posterior selection between Bayesian Weibull models, which can be due to favoring arbitrarily a prior. The calibration of m is discussed and a real example is treated along the paper.

연구 동기 및 목표

• Weibull 분포의 이원분포 사전분포를 도출하는 데 있어 척도 및 형상 매개변수의 추상적인 성격으로 인해 비통계학자들이 어려움을 겪는 문제를 해결하기 위함.
• 결정자들이 전문가 정보와 데이터 정보의 상대적 무게를 비교할 수 있도록, 방어 가능하고 투명하며 실용적인 사전분포 도출 방법을 제공하기 위함.
• Weibull 분포가 공액 사전분포를 갖지 않음에도 불구하고, 분석적으로 해석 가능한 사전분포를 확보하기 위함.
• 전문가와 분석가 간의 논의에 초점을 맞추기 위해 $m$을 도입함으로써 사전분포 선택 시 잠재적인 편향을 줄이기 위함.
• 제한된 또는 케일드된 데이터가 있는 실세계의 신뢰성 응용 분야를 지원하기 위해, 추상적인 매개변수 값이 아닌 직관적인 수명 예측에 기반한 사전분포 도출 방법을 제공하기 위함.

제안 방법

• 전문가가 제시한 사전예측 값(예: 수명 분포의 백분위수)을 크기 $m$의 가상 표본에서 유래된 것으로 간주함으로써, 주관적인 의견을 기반으로 한 참조 사후분포로 변환한다.
• 사전분포는 이 가상 데이터 기반의 사후분포로 정의되며, 미약한 정규성 조건 하에서 완전한 분석적 해석 가능성을 보장한다.
• 가상 표본 크기 $m$은 사전분포의 불확실성에 대한 직접적이고 해석 가능한 측도를 제공하며, 비통계학자 전문가와의 논의에서 사전정보와 데이터 정보의 상대적 강도를 명확히 논의할 수 있도록 한다.
• 초기값은 전문가가 제시한 백분위수와 사전예측 분포를 일치시키기 위해 수치 최적화 또는 공액 Dirichlet 기반 접근법을 사용하여 조정한다.
• 여러 전문가가 참여할 경우, 순서화된 백분위수를 Dirichlet 분포로 간주한 증분으로 모델링하고, 기대 불일치 위험을 최소화하도록 $m$을 校정한다.
• 직관적인 수명 크기로 초점을 맞추므로 주관적인 매개변수 평가에 의존하는 것을 피함으로써, 규제 및 산업 현장에서의 방어 가능성을 향상시킨다.

실험 결과

연구 질문

• RQ1 비통계학자들이 이해하고 방어할 수 있는 방식으로 Weibull 수명 분포에 대한 전문가 의견을 어떻게 도출할 수 있는가?
• RQ2 베이지안 Weibull 모델에서 전문가 정보와 관측 데이터의 상대적 정보량을 실용적이고 투명하게 어떻게 측정할 수 있는가?
• RQ3 Weibull 분포가 공액 사전분포를 갖지 않음에도 불구하고, 완전히 해석 가능한 사전분포를 구성할 수 있는가?
• RQ4 가상 표본 크기 $m$을 어떻게 활용하여 전문가 의견과 데이터 사이의 균형을 이루고, 임의의 사전분포 선택을 줄일 수 있는가?
• RQ5 전문가의 불확실성과 잠재적 편향은 사전분포 도출에 어떤 영향을 미치며, 이를 어떻게 모델링하고 완화할 수 있는가?

주요 결과

• 제안된 방법은 전문가가 제시한 수명 값을 가상의 크기 $m$ 표본에서 유래된 참조 사후분포로 간주함으로써 Weibull 모델에 대해 완전히 해석 가능한 사전분포를 도출한다.
• 가상 표본 크기 $m$은 사전분포의 정보성에 대한 직접적이고 해석 가능한 측도를 제공하며, 분석가와 전문가 간에 사전정보와 데이터 정보의 상대적 무게에 대한 명확한 논의를 가능하게 한다.
• 사전분포 선택의 임의성을 방지함으로써 모델 비교의 공정성을 확보하며, $m$이 자연스러운 균형 매개변수로 작용한다.
• 전문가의 불확실성에 대해 강건한 것으로 입증되었으며, 백분위수의 사전 추정치를 계층적 Dirichlet 모델로 표현하고, 기대 불일치 위험을 최소화하도록 $m$을 校정함으로써 이를 달성한다.
• 실제로 구현 가능하며, 실제 사례 연구를 통해 소규모 또는 케일드된 데이터가 있는 산업적 신뢰성 맥락에서의 실현 가능성을 보여준다.
• $m$을 기대 불일치 위험의 최소화자로 설정함으로써, 원칙적인(정당화된) 접근법을 제공하지만, 계산적으로는 부담스럽다.