[논문 리뷰] Organic fiducial inference

Russell J. Bowater|arXiv (Cornell University)|2019. 01. 23.

Law, Economics, and Judicial Systems참고 문헌 11인용 수 3

한 줄 요약

이 논문은 주관적 피드유셜 방법을 이산 및 범주형 데이터로 확장하고, 전자지식을 글로벌 및 로컬 전전자지식 함수를 통해 통합하며, 사전 분포나 베이즈 정리에 의존하지 않는 통계적 추론의 일반화된 프레임워크인 유기적 피드유셜 추론을 소개한다. 주요 기여는 제한된 모수 공간과 상충하는 조건부 분포를 다룰 수 있는 일관된 피드유셜 접근법으로, 일반화된 전전자지식 함수를 통해 조정된 피드유셜 밀도를 사용한다.

ABSTRACT

A substantial generalisation is put forward of the theory of subjective fiducial inference as it was outlined in earlier papers. In particular, this theory is extended to deal with cases where the data are discrete or categorical rather than continuous, and cases where there was important pre-data knowledge about some or all of the model parameters. The system for directly expressing and then handling this pre-data knowledge, which is via what are referred to as global and local pre-data functions for the parameters concerned, is distinct from that which involves attempting to directly represent this knowledge in the form of a prior distribution function over these parameters, and then using Bayes' theorem. In this regard, the individual attributes of what are identified as three separate types of fiducial argument, namely the strong, moderate and weak fiducial arguments, form an integral part of the theory that is developed. Various practical examples of the application of this theory are presented, including examples involving binomial, Poisson and multinomial data. The fiducial distribution functions for the parameters of the models in these examples are interpreted in terms of a generalised definition of subjective probability that was set out previously.

연구 동기 및 목표

• 연속 데이터를 초월하여 이산 및 범주형 데이터(예: 이항분포 및 포isson 분포)로 피드유셜 추론을 확장하는 것.
• 사전 분포나 베이지안 업데이트에 의존하지 않고 모수에 대한 상당한 전전자지식을 통합하는 방법을 개발하는 것.
• 모수 공간이 제한되거나 사전 분포를 도출하기 어려운 경우, 빈도주의 및 베이지안 접근법의 한계를 해결하는 것.
• Gibbs 샘플링과 일반화된 전전자지식 함수를 통해 상충하는 조건부 분포를 다룰 수 있는 일관된 피드유셜 프레임워크를 제공하는 것.
• 다양한 추론 시나리오에서 피드유셜 추론을 지원할 수 있는 주관적 확률의 일반화를 체계화하는 것.

제안 방법

• 모수에 대한 전전자지식을 표현하기 위해 글로벌 및 로컬 전전자지식 함수를 사용하며, 사전 분포와는 구별된다.
• 피드유셜 분포를 사후 지식 표현으로 해석하기 위해 주관적 확률의 일반화된 정의를 적용한다.
• 피드유셜 통계량과 기본 랜덤 변수를 사용하여 다양한 데이터 유형에 대한 모수의 피드유셜 밀도를 유도한다.
• 최소한의 전전자지식을 가진 기준 시나리오에서 피드유셜 밀도를 구성하기 위해 3.4절의 원칙 1과 원칙 2를 적용한다.
• 전전자지식이 균일하지 않은 경우, 일반화된 전전자지식 함수를 가중치로 간주하여 피드유셜 밀도를 조정하기 위한 정규화 전략을 적용한다.
• 공동 분포가 일관되지 않은 경우, 피드유셜 밀도 간의 상충을 해결하기 위해 깁스 샘플링을 사용한다.

실험 결과

연구 질문

• RQ1 연속적인 경우를 초월하여 이산 및 범주형 데이터(예: 이항 및 포isson 결과)를 다룰 수 있도록 피드유셜 추론을 어떻게 일반화할 수 있는가?
• RQ2 사전 분포를 사용하지 않고 모수에 대한 상당한 전전자지식을 어떻게 통합할 수 있는가?
• RQ3 모수 공간이 제한되어 있을 경우(예: 모수가 양의 하한 이하일 수 없을 경우), 피드유셜 밀도는 어떻게 구성할 수 있는가?
• RQ4 다른 모수에 대한 피드유셜 밀도가 상충될 경우, 일관된 공동 피드유셜 분포를 어떻게 확보할 수 있는가?
• RQ5 일반화된 전전자지식 함수는 베이지안 사전 분포와 어떻게 다른 방식으로 피드유셜 분포를 사후 지식을 반영하도록 조정하는가?

주요 결과

• 유기적 피드유셜 이론은 연속 데이터를 초월하여 이산 및 범주형 데이터(이항분포 및 포isson 모델 포함)로 피드유셜 추론을 일반화하는 데 성공적으로 적용되었으며, 이는 피드유셜 밀도 구성 방식을 연속 데이터 외부로 확장한 것이다.
• 전전자지식은 글로벌 및 로컬 전전자지식 함수를 통해 표현되며, 이는 사전 분포가 필요 없이 피드유셜 밀도를 조정하는 가중치 함수로 작용한다.
• 다중 모수에 대한 피드유셜 밀도가 상충될 경우, 깁스 샘플링 알고리즘을 사용하여 일관된 공동 피드유셜 분포를 구성할 수 있다.
• 베이즈 정리에 의존하지 않으며, 제한된 모수 공간이 존재하는 상황에서 빈도주의 및 베이지안 추론의 일관된 대안을 제공한다.
• 일반화된 전전자지식 함수는 기준 시나리오에서 유도된 피드유셜 밀도를 조정하는 가중치로 작용함을 입증되었으며, 다양한 전전자지식 상황에서의 민첩하고 해석 가능한 추론을 가능하게 한다.
• 베이지안 사전 분포와는 구별되는 일반화된 주관적 확률 프레임워크에 기반하여 피드유셜 분포를 정립함으로써, 이론은 일관성과 해석 가능성 유지한다.