[论文解读] Coherent Frameworks for Statistical Inference serving Integrating Decision Support Systems

Jim Q. Smith, Martine J. Barons+1 more|arXiv (Cornell University)|Jul 27, 2015

Bayesian Modeling and Causal Inference参考文献 100被引用 10

一句话总结

本文提出了一套连贯的框架，将多个专家小组的概率模型整合到一个集成决策支持系统（IDSS）中，确保在引入新证据时推理过程保持逻辑一致性。通过利用贝叶斯网络和似然分离方法，该方法实现了对政策有效性评分的动态、分布式更新，同时在核危机管理与粮食安全政策等复杂、相互关联的模型领域中保持了整体的一致性。

ABSTRACT

A subjective expected utility policy making centre, managing complex, dynamic systems, needs to draw on the expertise of a variety of disparate panels of experts and integrate this information coherently. To achieve this, diverse supporting probabilistic models need to be networked together, the output of one model providing the input to the next. In this paper we provide a technology for designing an integrating decision support system and to enable the centre to explore and compare the efficiency of different candidate policies. We develop a formal statistical methodology to underpin this tool. In particular, we derive sufficient conditions that ensure inference remains coherent before and after relevant evidence is accommodated into the system. The methodology is illustrated throughout using examples drawn from two decision support systems: one designed for nuclear emergency crisis management and the other to support policy makers in addressing the complex challenges of food poverty in the UK.

研究动机与目标

• 开发一种统计上可靠的整合方法，将多个独立专家小组的概率模型整合到统一的决策支持系统中。
• 确保在证据更新前后，统计推理保持一致，即使各组件模型独立演化。
• 通过以分布式、可扩展的方式组合专家提供的概率输出，实现实时、动态的政策选项评估。
• 解决在大规模、复杂系统中，由于模型所有权和时效性问题，单一整体概率模型的局限性。
• 为高风险领域（如核应急响应和粮食贫困政策）中的专家判断整合提供正式框架。

提出的方法

• 该框架使用具有图形结构的贝叶斯多智能体模型，表示专家领域之间的依赖关系，支持模块化推理。
• 采用似然分离方法，确保证据整合在各组件模型间保持形式上的可分配性与一致性。
• 系统仅处理各专家小组选定的统计输出（例如，期望效用函数），避免对完整联合分布进行建模。
• 建议采用预序方法，通过随时间比较政策结果与实际观测结果来验证预测。
• 使用计算机代数编码和分析系统方程，支持稳健性检验与结构诊断。
• 当精确似然分离失败时，提出基于变分贝叶斯思想的近似推理方法，并辅以诊断检查以维持模型的合理性。

实验结果

研究问题

• RQ1 如何在不构建单一整体联合分布的情况下，连贯地整合多个专家小组的概率模型？
• RQ2 在模型网络中，何种条件可确保证据更新前后统计推理的一致性？
• RQ3 如何仅基于独立模型的选定输出，动态计算并比较政策有效性评分？
• RQ4 在何种方式下，可利用实证数据对集成系统中的结构假设进行验证或修正？
• RQ5 何种计算与统计技术可确保大规模、分布式决策支持系统中的稳健性与可分配性？

主要发现

• 该框架通过基于似然分离的充分条件，确保了推理的一致性，即使各组件模型独立更新亦成立。
• 该方法可通过仅使用专家小组的关键统计输出，实现实时、分布式的政策评估更新，避免了对完整联合建模的需求。
• 该方法在两个实际应用中得到验证：核应急管理系统（RODOS）与英国粮食贫困政策，证明了其实际可行性。
• 模型有效性的诊断检查可下放至各专家小组，从而保持系统的可扩展性与透明度。
• 当精确一致性被打破时，基于变分贝叶斯思想的近似推理方法可借助适当的诊断监控，维持可分配性。
• 使用计算机代数可对系统方程进行形式化分析，支持IDSS架构中稳健性与结构完整性的检查。