論文の概要: Doubly robust confidence sequences for sequential causal inference
- arxiv url: http://arxiv.org/abs/2103.06476v1
- Date: Thu, 11 Mar 2021 05:45:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-12 14:35:59.228177
- Title: Doubly robust confidence sequences for sequential causal inference
- Title(参考訳): 連続因果推論のための二重堅牢な信頼配列
- Authors: Ian Waudby-Smith, David Arbour, Ritwik Sinha, Edward H. Kennedy, and
Aaditya Ramdas
- Abstract要約: 目標パラメータ $psi$ の信頼シーケンスは、信頼区間 $(c_t)_t=1infty$ の列であり、これらの区間の各々が同時に $psi$ を高い確率でキャプチャする。
これらのCSは、サンプルサイズを事前に固定する必要がある古典的な固定時間信頼間隔とは異なり、任意の停止時間で$psi$の有効な統計推論を提供します。
- 参考スコア(独自算出の注目度): 24.87178619543025
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper derives time-uniform confidence sequences (CS) for causal effects
in experimental and observational settings. A confidence sequence for a target
parameter $\psi$ is a sequence of confidence intervals $(C_t)_{t=1}^\infty$
such that every one of these intervals simultaneously captures $\psi$ with high
probability. Such CSs provide valid statistical inference for $\psi$ at
arbitrary stopping times, unlike classical fixed-time confidence intervals
which require the sample size to be fixed in advance. Existing methods for
constructing CSs focus on the nonasymptotic regime where certain assumptions
(such as known bounds on the random variables) are imposed, while doubly-robust
estimators of causal effects rely on (asymptotic) semiparametric theory. We use
sequential versions of central limit theorem arguments to construct
large-sample CSs for causal estimands, with a particular focus on the average
treatment effect (ATE) under nonparametric conditions. These CSs allow analysts
to update statistical inferences about the ATE in lieu of new data, and
experiments can be continuously monitored, stopped, or continued for any
data-dependent reason, all while controlling the type-I error rate. Finally, we
describe how these CSs readily extend to other causal estimands and estimators,
providing a new framework for sequential causal inference in a wide array of
problems.
- Abstract(参考訳): 本稿では,実験および観測環境における因果的影響に対する時間一様信頼シーケンス(CS)を導出する。
目標パラメータ $\psi$ に対する信頼シーケンスは、信頼区間 $(C_t)_{t=1}^\infty$ の列であり、これらの区間の全てが高い確率で $\psi$ を同時に取得する。
このようなCSは、サンプルサイズを事前に固定する必要がある古典的な固定時間信頼間隔とは異なり、任意の停止時間で$\psi$の有効な統計推論を提供します。
CSを構成する既存の方法は、ある仮定(確率変数の既知の境界など)が課される漸近的体制に焦点をあてるが、因果効果の2倍のローバスト推定子は(漸近的な)半パラメトリック理論に依存する。
非パラメトリック条件下での平均処理効果(ATE)に特に焦点をあてて、中央極限定理論の逐次バージョンを用いて因果推定のための大サンプルCSを構築する。
これらのcssにより、アナリストは新しいデータの代わりにateに関する統計的推論を更新でき、実験はデータに依存しない理由で継続的に監視、停止、または継続することができる。
最後に、これらのCSを他の因果推定器や推定器に容易に拡張し、様々な問題における逐次因果推定のための新しい枠組みを提供する。
関連論文リスト
- Semiparametric Efficient Inference in Adaptive Experiments [29.43493007296859]
本研究では, 治療や管理に対する課題の割り当てを規定する政策が, 時間とともに変化しうる連続的な実験において, 平均治療効果の効率的な推定の問題点を考察する。
まず、Adaptive Augmented Inverse-Probability Weighted estimator に対する中心極限定理について述べる。
次に、従来の手法よりもかなり厳密な確率性および漸近的信頼シーケンスの両方を導出した逐次推論設定を検討する。
論文 参考訳(メタデータ) (2023-11-30T06:25:06Z) - Kernel-based off-policy estimation without overlap: Instance optimality
beyond semiparametric efficiency [53.90687548731265]
本研究では,観測データに基づいて線形関数を推定するための最適手順について検討する。
任意の凸および対称函数クラス $mathcalF$ に対して、平均二乗誤差で有界な非漸近局所ミニマックスを導出する。
論文 参考訳(メタデータ) (2023-01-16T02:57:37Z) - Near-Optimal Non-Parametric Sequential Tests and Confidence Sequences
with Possibly Dependent Observations [44.71254888821376]
我々は、一般的な非データ生成プロセスの下で、最初のタイプIエラーと予測リジェクション時間保証を提供する。
本研究では, 平均処理効果など, 方程式を推定することによって定義されるパラメータの推測に, 結果を適用する方法を示す。
論文 参考訳(メタデータ) (2022-12-29T18:37:08Z) - A lower confidence sequence for the changing mean of non-negative right
heavy-tailed observations with bounded mean [9.289846887298854]
信頼シーケンスは、時間パラメトリックカバレッジ保証付き予測可能なパラメータシーケンスに対する適応されたセット列を生成する。
この研究は、スラックが0に収束するランニング平均条件付き期待値に対して、漸近的でない低CSを構成する。
論文 参考訳(メタデータ) (2022-10-20T09:50:05Z) - Statistical Efficiency of Score Matching: The View from Isoperimetry [96.65637602827942]
本研究では, スコアマッチングの統計的効率と推定される分布の等尺性との間に, 密接な関係を示す。
これらの結果はサンプル状態と有限状態の両方で定式化する。
論文 参考訳(メタデータ) (2022-10-03T06:09:01Z) - Statistical Properties of the Entropy from Ordinal Patterns [55.551675080361335]
大規模な時系列モデルに対するエントロピー・統計複雑性の連立分布を知っていれば、今日まで利用できない統計テストが可能になるだろう。
実正規化エントロピーが零でも1でもないモデルに対して、経験的シャノンのエントロピーの分布を特徴づける。
2つの信号が同じシャノンのエントロピーを持つ順序パターンを生成するという仮説を否定するのに十分な証拠があるかどうかを検証する。
論文 参考訳(メタデータ) (2022-09-15T23:55:58Z) - Near-optimal inference in adaptive linear regression [60.08422051718195]
最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。
我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。
我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
論文 参考訳(メタデータ) (2021-07-05T21:05:11Z) - Asymptotics of the Empirical Bootstrap Method Beyond Asymptotic
Normality [25.402400996745058]
実験的なブートストラップ推定器の限界分布は, 安定条件下では一定であることを示す。
本稿では,ブートストラップ法を用いて,カバレッジ保証付き信頼区間を構築するための3つの方法を提案する。
論文 参考訳(メタデータ) (2020-11-23T07:14:30Z) - CoinDICE: Off-Policy Confidence Interval Estimation [107.86876722777535]
強化学習における高信頼行動非依存のオフ政治評価について検討する。
様々なベンチマークにおいて、信頼区間推定が既存の手法よりも厳密で精度が高いことが示されている。
論文 参考訳(メタデータ) (2020-10-22T12:39:11Z) - An Analysis of Constant Step Size SGD in the Non-convex Regime:
Asymptotic Normality and Bias [17.199063087458907]
臨界点が好ましい統計特性を持つ構造化された非学習問題は、統計機械学習において頻繁に発生する。
我々は,SGDアルゴリズムが実際に広く利用されていることを示す。
論文 参考訳(メタデータ) (2020-06-14T13:58:44Z) - On Linear Stochastic Approximation: Fine-grained Polyak-Ruppert and
Non-Asymptotic Concentration [115.1954841020189]
The inequality and non-asymptotic properties of approximation procedure with Polyak-Ruppert averaging。
一定のステップサイズと無限大となる反復数を持つ平均的反復数に対する中心極限定理(CLT)を証明する。
論文 参考訳(メタデータ) (2020-04-09T17:54:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。