[논문 리뷰] Exact Computation of Minimum Sample Size for Estimation of Binomial Parameters

Xinjia Chen|ArXiv.org|2007. 07. 14.

Bayesian Modeling and Causal Inference참고 문헌 4인용 수 12

한 줄 요약

이 논문은 주어진 오차 범위와 신뢰 수준 내에서 이항 비율을 추정하기 위해 필요한 최소 표본 크기를 정확하게 계산하는 방법을 제시한다. 이는 오랫동안 지속된 계산적 장벽을 극복한다. 최소 커버리지 확률이 유한한 이산적 파ameter 값 집합에서 발생함을 증명하고, 재귀적 경계 기법을 사용함으로써 근사 오차를 제거하고 기존의 고전적 방법보다 덜 보수적인 결과를 도출한다.

ABSTRACT

It is a common contention that it is an ``impossible mission'' to exactly determine the minimum sample size for the estimation of a binomial parameter with prescribed margin of error and confidence level. In this paper, we investigate such a very old but also extremely important problem and demonstrate that the difficulty for obtaining the exact solution is not insurmountable. Unlike the classical approximate sample size method based on the central limit theorem, we develop a new approach for computing the minimum sample size that does not require any approximation. Moreover, our approach overcomes the conservatism of existing rigorous sample size methods derived from Bernoulli's theorem or Chernoff bounds. Our computational machinery consists of two essential ingredients. First, we prove that the minimum of coverage probability with respect to a binomial parameter bounded in an interval is attained at a discrete set of finite many values of the binomial parameter. This allows for reducing infinite many evaluations of coverage probability to finite many evaluations. Second, a recursive bounding technique is developed to further improve the efficiency of computation.

연구 동기 및 목표

• 이항 모수 추정을 위한 정확한 최소 표본 크기 계산이 불가능하다는 오랫동안 지속된 믿음을 해결하기 위해.
• 중앙극한정리 기반 접근법에 내재된 근사 오차를 피하는 엄밀한 방법을 개발하기 위해.
• 체르노프 또는 베르누이 정리로부터 유도된 기존 경계의 보수성(conservatism)을 줄이기 위해.
• 최소 커버리지 확률이 도달하는 유한하고 계산 가능한 파ameter 값 집합을 식별하기 위해.
• 절대 오차, 상대 오차, 혼합 오차 기준에서 정확하고 보수적이지 않은 표본 크기 결정을 가능하게 하기 위해.

제안 방법

• 이항 모수 구간에서 최소 커버리지 확률이 유한한 이산적 값 집합에서 도달됨을 증명함으로써 무한한 평가를 유한한 점검으로 줄임.
• 커버리지 확률을 추정 비율 중심의 신뢰구간 내 이항 누적 확률로 정의함.
• 비교적 효율적인 평가를 위해 임계점에서의 커버리지 확률을 체계적으로 계산하고 비교하기 위해 재귀적 경계 기법을 사용함.
• 임계점이 $\ell/(n(1\pm\varepsilon))$ 형태의 유리수 값과 끝점 $a$, $b$로 구성됨을 특성화하여 유한한 탐색 공간 확보.
• 모수 $p$ 함수로서 신뢰구간 경계의 불연속성을 다루기 위해 좌측 및 우측 극한을 적용함.
• 기수의 크기가 $2n(b-a)+4$ 이내로 유한하게 제한되는 이산 집합 $\{a,b\} \cup \{\ell/(n(1-\varepsilon))\} \cup \{\ell/(n(1+\varepsilon))\}$을 구성함.

실험 결과

연구 질문

• RQ1 고정된 오차 범위와 신뢰 수준 하에서 이항 비율 추정을 위한 최소 표본 크기를 정확하게 계산할 수 있는가?
• RQ2 중앙극한정리 기반 고전적 표본 크기 공식에서 근사 오차를 제거하는 것이 가능한가?
• RQ3 모수 구간에서 최소 커버리지 확률이 유한하고 계산 가능한 점 집합에서 도달하는가?
• RQ4 재귀적 경계 기법이 정확한 표본 크기 결정에서 계산 효율성을 크게 향상시킬 수 있는가?
• RQ5 제안된 방법은 체르노프 또는 베르누이 정리로부터 유도된 기존의 엄밀한 경계와 비교해 얼마나 보수적인가?

주요 결과

• 모수 $p \in [a,b]$ 에서 최소 커버리지 확률은 유한한 이산적 점 집합에서 도달되며, 이는 정확한 계산 가능성을 보장한다.
• 평가 대상이 되는 임계점의 수는 $2n(b-a)+4$ 이내로 유한하게 제한되어 있어 효율적인 계산이 가능하다.
• 중앙극한정리 기반 근사 오차를 피하고, 체르노프 또는 베르누이 기반 경계의 보수성을 줄였다.
• 신뢰구간 경계가 정수 임계값을 횡단할 때 커버리지 확률 함수는 왼쪽 연속성을 가지며, 이는 극한 기반 평가를 가능하게 한다.
• 임의의 $n$ 에 대해, 최소 커버리지 확률은 $p$ 의 유한한 값들만 평가함으로써 정확히 계산할 수 있다.
• 이 방법은 절대 오차, 상대 오차, 혼합 오차 기준으로 확장 가능하여 통합된 프레임워크를 제공한다.