[论文解读] Risk-Limiting Bayesian Polling Audits for Two Candidate Elections

Poorvi L. Vora|arXiv (Cornell University)|Feb 4, 2019

Game Theory and Voting Systems参考文献 6被引用 5

一句话总结

本文提出了一种针对两党选举的统一风险限制贝叶斯投票审计框架，表明贝叶斯审计可通过预计算的阈值简化为简单的比较测试。核心贡献是一种新型的贝叶斯风险限制审计（RLA），在保持严格风险限制的同时，通过查表法实现高效、实时计算，相较于传统RLA在特定配置下展现出更高的采样效率。

ABSTRACT

We propose a simple common framework for Risk-Limiting and Bayesian (polling) audits for two-candidate plurality elections. Using it, we derive an expression for the general Bayesian audit; in particular, we do not restrict the prior to a beta distribution. We observe that the decision rule for the Bayesian audit is a simple comparison test, which enables the use of pre-computation---without simulations---and greatly increases the computational efficiency of the audit. Our main contribution is a general form for an audit that is both Bayesian and risk-limiting: the {\em Bayesian Risk-Limiting Audit}, which enables the use of a Bayesian approach to explore more efficient Risk-Limiting Audits.

研究动机与目标

• 将风险限制审计（RLA）与贝叶斯投票审计统一于两党多数制选举的共同框架下。
• 证明贝叶斯审计可简化为基于预计算值的简单比较测试，实现实时执行而无需模拟。
• 定义并证明贝叶斯风险限制审计（RLA）的有效性，其中翻盘概率等于最大风险，确保正式的风险限制。
• 探究贝叶斯RLA是否可在保持严格风险边界的同时，实现比传统RLA更小的样本量。
• 提供一种计算高效的替代方案，以替代计算密集型的模拟贝叶斯审计，尤其适用于实时应用。

提出的方法

• 提出一种通用的贝叶斯审计框架，不限定先验为贝塔分布，从而灵活建模对选举结果的先验信念。
• 基于将样本中胜者得票数与两个预计算阈值进行比较，推导出决策规则：$k^{+}$（接受的最小值）和 $k^{-}$（继续人工计票的最大值）。
• 表明传统RLA是贝叶斯审计的一个特例，其先验为正确结果的均匀分布，且错误结果的概率全部集中于一票之差的情形。
• 提出一类新型贝叶斯RLA，其中唯一考虑的错误结果是得票相差一票的情形，并证明该类审计满足风险限制性质。
• 使用 $k^{+}$ 和 $k^{-}$ 值的查表法，在不同样本量下实现无需模拟或运行时计算的实时审计决策。
• 通过数值实验验证方法，设定 $N=100,000$ 和 $N=100$，在不同先验和风险限制下，比较贝叶斯RLA与标准贝叶斯审计及传统RLA的表现。

实验结果

研究问题

• RQ1 贝叶斯审计是否可简化为样本得票数与预计算阈值之间的简单比较测试，从而实现实时执行？
• RQ2 贝叶斯审计中的翻盘概率与传统RLA中的最大风险之间有何关系？
• RQ3 能否设计出既满足风险限制又计算高效的贝叶斯审计，避免依赖模拟？
• RQ4 是否存在一类贝叶斯审计，既能满足风险限制性质，又能实现比传统RLA更小的样本量？
• RQ5 在相同风险限制和先验条件下，贝叶斯RLA与传统RLA在样本量需求上有何差异？

主要发现

• 贝叶斯审计可借助预计算的阈值 $k^{+}$ 和 $k^{-}$ 简化为简单的比较测试，实现实时、无需模拟的审计。
• 传统RLA被证明是贝叶斯审计的一个特例，其先验将所有错误结果的概率集中于一票之差的情形。
• 正式定义并证明了一类新型贝叶斯风险限制审计，其翻盘概率等于最大风险，满足风险限制性质。
• 对于 $N=100,000$，贝叶斯RLA在无放回抽样下所需胜者得票数少于传统RLA，尤其在大样本量时表现更优，表明效率提升。
• 数值结果表明，查表法获得的风险限制估计值与基于模拟的估计值高度吻合，验证了预计算阈值的准确性。
• 采用正确结果均匀先验、错误结果集中于平局情形的贝叶斯RLA，所需胜者得票数少于无放回抽样的传统RLA，表明具有潜在的样本量缩减优势。