[논문 리뷰] Test Martingales for bounded random variables

Harrie Hendriks|arXiv (Cornell University)|2018. 01. 29.

Probability and Risk Models참고 문헌 11인용 수 3

한 줄 요약

이 논문은 최소한의 분포 가정 하에 평균에 대한 순차적 가설 검정과 신뢰구간 구축을 가능하게 하기 위해 유계 확률변수를 위한 테스트 마팅게일을 도입한다. 초마팅게일 성질과 지수 기울임의 볼록 조합을 활용하여, 이 방법은 검정력 1을 달성하고 타당한 신뢰구간을 제공한다. 재무 감사 및 통계적 추론에 적용 가능하다.

ABSTRACT

Given a random sample from a random variable $T$ which is bounded from above, $T\leτ$ a.s., we define processes that are positive supermartingales if $E(T)\geμ$. Such processes are called test martingales. Tests of the supermartingale hypothesis implicitly test the hypothesis $H_0:E(T)\geμ$. We construct test martingales that lead to tests with power 1. We also construct confidence upper bounds. We extend the techniques to testing $H_0:E(T)=μ$ and constructing confidence intervals. In financial auditing random sampling is proposed as one of the possible techniques to gather enough assurance to be able to state that there is no 'material' misstatement in a financial report. The goal of our work is to provide a mathematical context that could represent such process of gathering assurance by means of repeated random sampling.

연구 동기 및 목표

• 유계 확률변수의 평균에 대한 순차적 검정을 위한 통계적 프레임워크를 개발하기 위해 테스트 마팅게일을 활용한다.
• 최소한의 가정 하에 기대값에 대한 신뢰상한과 이원신뢰구간을 구성한다.
• 비모수 분포가 존재하더라도 평균에 대한 가설 검정에서 검정력 1을 달성하도록 보장한다.
• 응용 통계학자와 감사사들이 특히 재무 샘플링 맥락에서 사용할 수 있도록 수학적으로 엄밀하면서도 접근하기 쉬운 도구를 제공한다.
• 기존의 마팅게일 기반 추론을 유계 지지만을 가정하는 비모수 설정으로 확장한다.

제안 방법

• 유계 확률변수의 지수 기울임을 통해, 귀무가설 하에서 양수 초마팅게일로 정의된 테스트 마팅게일 $\mathbf{E}(T) \geq \mu$ 를 구성한다.
• 매개변수 $c \in [-1,1]$로 매개변수화된 테스트 마팅게일의 볼록 조합을 사용하여 강건한 가족 $M_n^\mu(\pi) = \int_{-1}^1 M_n^\mu(c) \pi(c)\,dc$ 를 구성한다.
• 테스트 마팅게일의 $\mu$ 에 대한 볼록성 덕분에, 집합 $\{\mu \mid \forall n: M_n^\mu(\pi) < 1/\alpha\}$ 가 간격이 되며, 타당한 신뢰영역을 형성함을 보장한다.
• 초마팅게일에 대한 최대부등식을 적용하여 진짜 평균이 최소 $1 - \alpha$ 확률로 신뢰구간 내에 있음을 보장한다.
• 초마팅게일 성질을 보장하기 위해, $c \geq 0$ 일 때는 $M_n^\mu(c) = \prod_{i=1}^n (1 - c(T_i - \mu)/(\tau_1 - \mu))$ 과 $c \leq 0$ 일 때는 $M_n^\mu(c) = \prod_{i=1}^n (1 - c(T_i - \mu)/(\mu - \tau_0))$ 의 형태로 테스트 마팅게일을 구성한다.
• 관측된 데이터를 바탕으로 중간 시점에서 테스트 마팅게일 가족을 재가중하여 적응형 설계를 허용하며, 측정 가능성과 초마팅게일 성질을 유지한다.

실험 결과

연구 질문

• RQ1 유계 확률변수에 대해 귀무가설 $\mathbf{E}(T) \geq \mu$ 하에서 검정력 1을 달성하는 테스트 마팅게일을 구성할 수 있는가?
• RQ2 모수적 가정 없이 테스트 마팅게일을 사용하여 신뢰상한과 이원신뢰구간을 어떻게 구성할 수 있는가?
• RQ3 테스트 마팅게일의 매개변수 $\mu$ 에 대한 볼록성이 간격 형태의 신뢰영역을 보장하는 데 어떤 역할을 하는가?
• RQ4 샘플링 도중 마팅게일 또는 측정 가능성 제약을 위반하지 않고 방법을 어떻게 순차적으로 적응시킬 수 있는가?
• RQ5 이 프레임워크는 최소한의 분포 가정 하에 실제 문제, 예를 들어 재무 감사 샘플링에 적용될 수 있는가?

주요 결과

• 구성된 테스트 마팅게일은 $H_0: \mathbf{E}(T) \geq \mu$ 검정에서 검정력 1을 달성하여, 귀무가설 하에서 제2종 오류가 없음을 보장한다.
• 신뢰구간 $\{\mu \mid \forall n: M_n^\mu(\pi) < 1/\alpha\}$ 는 커버리지 확률이 최소 $1 - \alpha$ 이상이며, $M_n^\mu(\pi)$ 의 $\mu$ 에 대한 볼록성 덕분에 볼록집합이다.
• 표본평균 $\overline{t}_n$ 은 항상 신뢰영역 $\{\mu \mid M_n^\mu(\pi) < 1/\alpha\}$ 내에 존재하여 실용적 관련성을 보장한다.
• T \sim \mathrm{Beta}(2,98) 일 때, 평균 표본수는 117.79이며 평균은 69.99, 표준편차는 5.07이었으며, 효율적인 정지 행동을 보였다.
• 이 방법은 적응형 설계를 지원한다: 시간 $n$ 에서 테스트 마팅게일은 관측된 데이터를 바탕으로 새로운 테스트 가족을 사용하여 $M_{n+\ell}^\mu = M_n^\mu N_\ell^\mu$ 로 재가중할 수 있으며, 초마팅게일 구조를 유지한다.
• 이 프레임워크는 모형 오특정에 강건하며, $T(\omega) \in [0,1]$ 인 재무 오류 표본 추출과 같은 비모수 설정에 적용 가능하다.