[论文解读] A Geometric Approach to Confidence Sets for Ratios: Fieller's Theorem, Generalizations, and Bootstrap

Ulrike von Luxburg, Volker H. Franz|arXiv (Cornell University)|Nov 1, 2007

Bayesian Methods and Mixture Models参考文献 31被引用 30

一句话总结

本文提出了一种几何框架，用于构建两个随机变量均值之比 E(Y)/E(X) 的精确且保守的置信集，通过将该比值映射到过原点和样本均值的直线的斜率来实现。该方法将费勒尔定理推广至非正态、重尾和非对称分布，利用线性组合的一维置信集，并提出一种基于自助法的鲁棒方法，在重尾分布情形下表现优于现有方法。

ABSTRACT

We present a geometric method to determine confidence sets for the ratio E(Y)/E(X) of the means of random variables X and Y. This method reduces the problem of constructing confidence sets for the ratio of two random variables to the problem of constructing confidence sets for the means of one-dimensional random variables. It is valid in a large variety of circumstances. In the case of normally distributed random variables, the so constructed confidence sets coincide with the standard Fieller confidence sets. Generalizations of our construction lead to definitions of exact and conservative confidence sets for very general classes of distributions, provided the joint expectation of (X,Y) exists and the linear combinations of the form aX + bY are well-behaved. Finally, our geometric method allows to derive a very simple bootstrap approach for constructing conservative confidence sets for ratios which perform favorably in certain situations, in particular in the asymmetric heavy-tailed regime.

研究动机与目标

• 开发费勒尔定理的几何解释，以阐明为何比率置信集以当前方式构建。
• 将费勒尔的精确置信集扩展至正态分布之外的非常广泛分布类，包括重尾和非对称分布。
• 推导一种简单且保守的自助法程序，用于比率置信集，使其在非对称和重尾设定下表现良好。
• 提供一个统一的几何框架，将比率置信集问题简化为对 (X,Y) 的一维投影构造置信集。

提出的方法

• 将比率估计量 μ̂₂/μ̂₁ 表示为平面中从 (0,0) 到样本均值 (μ̂₁, μ̂₂) 的直线的斜率。
• 通过构造过原点、其斜率由线性组合 aX + bY 的均值的置信区间限定的线束（楔形区域）来构建比率的置信集。
• 通过将楔形区域与直线 x=1 相交，获得比率的置信区间 [l,u]。
• 利用一维投影 (aX + bY) 的精确置信集，构建在最小假设下有效的保守比率置信集：有限均值和行为良好的线性组合。
• 对一维投影 (aX + bY) 应用自助法，生成经验置信区间，然后利用几何构造推导出比率的自助法置信集。
• 对投影使用等尾自助区间，以避免置信集无界，并改善在非对称、重尾分布中的覆盖性能。

实验结果

研究问题

• RQ1 如何对费勒尔定理进行几何重解释，以增强直观理解，并将其适用范围扩展至正态分布之外？
• RQ2 在一般参数和非参数设定下，哪些条件允许构建 E(Y)/E(X) 的精确且保守置信集？
• RQ3 能否使用几何框架推导出一种在非对称和重尾分布下表现良好的比率置信集鲁棒自助方法？
• RQ4 为何标准方法如费勒尔法和黄氏法在重尾区域失效，而几何自助法如何克服这些局限性？
• RQ5 几何置信集的性能在多大程度上取决于投影步骤中使用的一维置信集的质量？

主要发现

• 该几何方法在正态分布下产生精确的置信集，且当协方差矩阵已知时，与费勒尔集一致。
• 对于一般分布，该方法在最小假设下（E(X)、E(Y) 存在，且线性组合 aX + bY 行为良好）构建保守置信集。
• 在重尾帕累托分布情形（尾指数 a ≤ 2）下，使用等尾霍尔区间的几何自助法实现显著更优的覆盖性能（例如，~0.70），优于费勒尔和黄氏方法。
• 在非对称、重尾情形下，几何自助法产生的置信集比费勒尔或黄氏法更趋于有界，尤其当使用等尾区间而非对称区间时更为明显。
• 该方法的性能高度依赖于投影步骤中一维自助区间质量；提升其质量可改善比率置信集的覆盖性能。
• 在几何方法中使用对称自助区间会导致有界置信集数量急剧下降，因为双向区间过宽，显著增加了无界区域出现的可能性。