[논문 리뷰] Estimating the Parameters of Binomial and Poisson Distributions via Multistage Sampling

Xinjia Chen|ArXiv.org|2008. 10. 02.

Fluid Dynamics and Heat Transfer참고 문헌 3인용 수 3

한 줄 요약

이 논문은 이항분포 및 포아송분포의 모수를 사전 지식 없이 추정하기 위한 다단계 샘플링 기법을 제안한다. 이 기법은 누적 이항분포 및 포아송분포 꼬리 확률에 기반한 적응형 정지 규칙을 사용한다. 이 방법은 정밀도와 신뢰수준을 엄격히 보장하여, 추정된 모수가 확률 $1 - \delta$ 이상으로 지정된 절대 오차 또는 상대 오차 범위 내에 있을 수 있도록 보장한다. 주요 기여는 점근적 접근이나 과도하게 보수적인 경계에 의존하지 않는 비점근적, 보수적이지 않은 접근 방식으로, 기존 방법보다 효율성과 이론적 엄밀성이 뛰어나다.

ABSTRACT

In this paper, we have developed a new class of sampling schemes for estimating parameters of binomial and Poisson distributions. Without any information of the unknown parameters, our sampling schemes rigorously guarantee prescribed levels of precision and confidence.

연구 동기 및 목표

• 기존의 이항분포 및 포아송분포 모수 추정 방법의 한계를 해결하기 위해, 점근적 근사나 과도하게 보수적인 경계에 의존하는 경우가 많다는 점을 다루기 위해.
• 모수에 대한 사전 지식이 없더라도 정밀도와 신뢰수준을 보장하는 샘플링 기법을 개발하기 위해.
• 기존 방법의 비효율성과 이론적 약점을 극복하기 위해, 비점근적, 다단계 프레임워크를 도입하여 엄밀한 확률적 보장을 제공하기 위해.
• 실제 모수 값에 관계없이 사용자가 지정한 절대 오차 또는 상대 오차 경계 내에 추정된 모수가 포함될 확률이 높다는 것을 보장하기 위해.

제안 방법

• 이 방법은 샘플 크기 $n_1 < n_2 < \cdots < n_s$ 가 $\varepsilon$, $\delta$, $\zeta$, $\rho$ 와 관련된 재귀 수열에 따라 결정되는 다단계 샘플링 설계를 사용한다. $\tau$ 는 단계 수를 결정한다.
• 각 단계 $\ell$ 에서 표본 평균 $\widehat{p}_\ell = K_\ell / n_\ell$ 이 계산되며, 여기서 $K_\ell = \sum_{i=1}^{n_\ell} X_i$ 이다.
• 정지 조건은 $S_{\mathrm{B}}(K_\ell, n_\ell, n_\ell, \widehat{p}_\ell - \varepsilon) \leq \zeta\delta$ 와 $S_{\mathrm{B}}(0, K_\ell, n_\ell, \widehat{p}_\ell + \varepsilon) \leq \zeta\delta$ 가 동시에 만족될 때 발생한다. 이는 추정치가 진짜 $p$ 에서 $\varepsilon$ 이내에 있을 가능성이 높다는 것을 보장한다.
• 포아송 추정에 대해서는 $S_{\mathrm{P}}(K, \infty, n, \lambda)$ 와 $S_{\mathrm{P}}(0, K, n, \lambda)$ 를 기반으로 유사한 정지 규칙을 사용하며, 꼬리 확률 부등식을 통해 신뢰구간을 유도한다.
• 전반적인 오차 확률이 $\delta$ 이하로 유지되도록 이중 결정 변수와 꼬리 확률의 재귀적 경계를 사용한다.
• 이론적 보장은 이항분포 및 포아송분포의 누적분포함수에 대한 경계를 사용하여 유도되며, 감마 함수와 로그 근사식을 포함한 주요 부등식이 포함된다.

실험 결과

연구 질문

• RQ1 이항분포 모수를 추정하기 위한 다단계 샘플링 기법을 설계할 수 있는가? 이 기법은 모수에 대한 사전 지식 없이도 절대 오차와 신뢰수준을 보장할 수 있는가?
• RQ2 동일한 비점근적 프레임워크 내에서 포아송 모수 추정을 절대 오차 및 상대 오차 경계 모두를 만족시키도록 어떻게 달성할 수 있는가?
• RQ3 추정치가 지정된 오차 간격 내에 있을 확률이 $1 - \delta$ 이상이 되도록 보장하기 위해 필요한 최소 샘플 크기는 얼마인가?
• RQ4 기존의 보수적인 경계나 점근적 근사에 의존하지 않으면서도 효율적인 샘플링 기법을 어떻게 설계할 수 있는가?

주요 결과

• 제안된 다단계 샘플링 기법은 $0 < \zeta \leq \frac{1}{2(\tau + 1)}$ 를 만족할 경우, 임의의 $p \in (0,1)$ 에 대해 $\Pr\{ |\widehat{p} - p| < \varepsilon \mid p \} \geq 1 - \delta$ 를 보장한다.
• 이항분포 추정에 있어서, 이 방법은 $\varepsilon$ 이내의 절대 오차를 보장하며, $\varepsilon$, $\delta$, $\rho$ 에 의해 결정되는 증가하는 샘플 크기의 수열을 사용한다.
• 샘플링 과정은 정지 조건이 이항분포 꼬리 확률의 성질로 인해 결국 만족되기 때문에 거의 확실히 종료된다.
• 포아송 추정에 있어서, $0 < \zeta < \frac{1}{2(\tau + 1)}$ 일 경우, $\Pr\{ |\widehat{\lambda} - \lambda| < \varepsilon_a \text{ 또는 } |\widehat{\lambda} - \lambda| < \varepsilon_r \lambda \} > 1 - \delta$ 를 보장한다.
• 이 방법은 점근적 근사나 보수적인 경계를 피하며, 기존 추정 기법에 비해 비점근적이고 엄밀한 대안을 제공한다.
• 감마 함수와 로그 근사식을 포함한 $S_{\mathrm{B}}$ 와 $S_{\mathrm{P}}$ 의 꼬리 확률에 대한 이론적 경계를 사용하여 날카운 신뢰구간을 도출하고 오차 확률이 $\delta$ 이하로 제한됨을 보장한다.