[論文レビュー] Computing the confidence levels for a root-mean-square test of goodness-of-fit, II

William Perkins, Mark Tygert+1 more|arXiv (Cornell University)|Sep 12, 2010

Diverse Scientific and Engineering Research参考文献 14被引用数 8

ひとこと要約

本稿では、モデルにパラメータ推定を含む場合の、二乗平均二乗誤差適合度検定の漸近的信頼水準を計算するための効率的なブラックボックスアルゴリズムを提示する。これは、完全に指定されたモデルに関する先行研究を拡張したものであり、非心カイ二乗分布の数値的に安定な積分表現を活用することで、大規模な標本サイズを持つ複雑なパrameter化された分布に対しても、P値および信頼水準の高速かつ高精度な計算を可能にする。

ABSTRACT

This paper extends our earlier article, "Computing the confidence levels for a root-mean-square test of goodness-of-fit;" unlike in the earlier article, the models in the present paper involve parameter estimation -- both the null and alternative hypotheses in the associated tests are composite. We provide efficient black-box algorithms for calculating the asymptotic confidence levels of a variant on the classic chi-squared test. In some circumstances, it is also feasible to compute the exact confidence levels via Monte Carlo simulation.

研究の動機と目的

• モデルが複合的（パラメータ推定を伴う）である場合の適合度検定における信頼水準を計算するための計算的に効率的な手法の開発。
• 完全に指定されたモデルに関する先行研究を、帰無仮説および対立仮説が推定されたパラメータによって複合的となる場合にまで拡張すること。
• 大標本設定下での二乗平均二乗誤差統計量の漸近的P値および信頼水準を計算するための実用的でブラックボックス型のソリューションの提供。
• 無限個のビンを含むモデルに対しても、累積確率が高くなる有限個のビンに切り捨てることで、機械精度以内の正確さを保証すること。
• 小標本状況下では、積分台形則による解析的計算とモンテカルロシミュレーションの両方をサポートすること。

提案手法

• 定理2.1から導かれる、重み付き正規乱数変数の二乗和の累積分布関数の積分表現を用いる。
• 累積分布関数式に含まれる複雑な積分を数値的に評価するために、適応的ガウス求積法を適用する。
• 数値的安定性と収束性を確保するため、平方根の主値を用い、虚部を取る。
• 無限ビン空間を、合計確率が1−εを超える有限個のビンに切り捨て、機械精度内での正確さを保証する。
• パラメータ推定には、大標本極限において真の値に収束する最尤推定量（MLE）を用いる。
• 一様重みに限定されない、任意の重み付けを根二乗平均統計量に適用可能であり、一般化されている。

実験結果

リサーチクエスチョン

• RQ1 モデル分布がパラメータ化されており、そのパラメータがデータから推定されなければならない場合、どのようにして二乗平均二乗誤差検定の信頼水準を効率的に計算できるか？
• RQ2 複合仮説検定における二乗平均二乗誤差検定の漸近的P値を高速かつ高精度に計算するための数値的手法は何か？
• RQ3 無限個のビンを含むモデルを実用的に扱うにはどうすればよく、正確さを損なわないか？
• RQ4 大標本設定下でのパラメータ推定が、二乗平均二乗誤差検定統計量の分布に与える影響は何か？
• RQ5 直接的なモンテカルロシミュレーションが信頼水準の計算に実用的である状況はどのようなものか？ また、提案手法の解析的アプローチと比べてどう異なるか？

主な発見

• 提案されたアルゴリズムにより、無限個のビンを含むモデルに対しても、パラメータ推定が伴う二乗平均二乗誤差適合度検定の信頼水準を高速かつ高精度に計算可能である。
• 定理2.1における積分表現により、数値的安定性が保証され、平方根の積の下限が存在するため、被積分関数が無限大に発散しない。
• Zipf分布の例では、関数g(θ) = f(θ) − ∑Yk ln(k) に対する二分探索を用いて、パrameter θ の最尤推定量を高精度で収束させた。
• ポisson分布の例では、ε = 10⁻⁸ を用いて無限サポートを切り捨て、累積確率が ≥ 0.99999999 に達するビンのみを保持し、高い正確さを確保した。
• アルゴリズムは標本サイズに比例して効率的にスケーリングされ、n 個のビンに対してO(n)時間で信頼水準が計算可能であり、大規模応用に適している。
• 本手法は多パラメータモデルや重み付き根二乗平均統計量に対してもロバストで汎用的であり、単一スカラーパラメータのケースを超えて拡張可能である。