論文の概要: Principal-Agent Hypothesis Testing
- arxiv url: http://arxiv.org/abs/2205.06812v1
- Date: Fri, 13 May 2022 17:59:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-16 14:37:44.115448
- Title: Principal-Agent Hypothesis Testing
- Title（参考訳）: 主エージェント仮説検定
- Authors: Stephen Bates, Michael I. Jordan, Michael Sklar, Jake A. Soloff
- Abstract要約: 有効性を確立するために使用される統計プロトコルが、戦略的かつ自己関心のある製薬会社の行動にどのように影響するかを示す。
統計的な証拠の基準が低いことは、薬局が効果が低い薬物の試薬をもっと多く実施することを動機付けている。
エージェントの戦略的行動に対して堅牢な契約を設計する方法を示し、戦略的行動が存在する場合に最適な契約を導出する。
- 参考スコア（独自算出の注目度）: 71.40119152422295
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Consider the relationship between the FDA (the principal) and a
pharmaceutical company (the agent). The pharmaceutical company wishes to sell a
product to make a profit, and the FDA wishes to ensure that only efficacious
drugs are released to the public. The efficacy of the drug is not known to the
FDA, so the pharmaceutical company must run a costly trial to prove efficacy to
the FDA. Critically, the statistical protocol used to establish efficacy
affects the behavior of a strategic, self-interested pharmaceutical company; a
lower standard of statistical evidence incentivizes the pharmaceutical company
to run more trials for drugs that are less likely to be effective, since the
drug may pass the trial by chance, resulting in large profits. The interaction
between the statistical protocol and the incentives of the pharmaceutical
company is crucial to understanding this system and designing protocols with
high social utility. In this work, we discuss how the principal and agent can
enter into a contract with payoffs based on statistical evidence. When there is
stronger evidence for the quality of the product, the principal allows the
agent to make a larger profit. We show how to design contracts that are robust
to an agent's strategic actions, and derive the optimal contract in the
presence of strategic behavior.
- Abstract（参考訳）: FDA(プリンシパル)と製薬会社(エージェント)の関係を考える。
製薬会社は利益を上げるために製品を売ることを望んでおり、fdaは有効な薬のみを公に公開することを望んでいる。
この薬の有効性はFDAには分かっていないので、医薬品会社はFDAに効力を示すために費用がかかる裁判を行わなければならない。
批判的に、有効性を確立するために使用される統計プロトコルは、戦略的で利害関係にある製薬会社の行動に影響を与え、より低い統計証拠は、薬局が有効性の低い薬についてより多くの治験を行うように動機づける。
統計プロトコルと製薬会社のインセンティブとの相互作用は、このシステムを理解し、高い社会的ユーティリティでプロトコルを設計する上で不可欠である。
本研究では, 統計的証拠に基づいて, 主役とエージェントが, 支払契約を締結する方法について論じる。
製品の品質に関するより強力な証拠がある場合、プリンシパルはエージェントがより大きな利益を得るのを許可する。
我々は,エージェントの戦略行動にロバストな契約の設計方法を示し,戦略行動が存在する場合に最適な契約を導出する。
関連論文リスト
- DrugAgent: Explainable Drug Repurposing Agent with Large Language Model-based Reasoning [10.528489471229946]
本稿では,最先端の機械学習技術と知識統合を用いた医薬品再調達プロセスを強化するためのマルチエージェントフレームワークを提案する。
AIエージェントは、DTIモデルを訓練し、知識グラフエージェントはDGIdbを使用してDTIを系統的に抽出する。
これらのエージェントからの出力を統合することで、外部データベースを含む多様なデータソースを効果的に活用し、実行可能な再資源化候補を提案する。
論文 参考訳（メタデータ） (2024-08-23T21:24:59Z) - Conformal Policy Learning for Sensorimotor Control Under Distribution
Shifts [61.929388479847525]
本稿では,センサコントローラの観測値の分布変化を検知・応答する問題に焦点をあてる。
鍵となる考え方は、整合量子を入力として取ることができるスイッチングポリシーの設計である。
本稿では, 基本方針を異なる特性で切り替えるために, 共形量子関数を用いてこのようなポリシーを設計する方法を示す。
論文 参考訳（メタデータ） (2023-11-02T17:59:30Z) - Incentive-Theoretic Bayesian Inference for Collaborative Science [59.15962177829337]
未知のパラメータについて、プライベートな先行エージェントが存在する場合の仮説テストについて検討する。
エージェントの戦略行動によって明らかにされる情報を活用する統計的推論を行う方法を示す。
論文 参考訳（メタデータ） (2023-07-07T17:59:01Z) - Many learning agents interacting with an agent-based market model [0.0]
反応型エージェントベースモデルと相互作用する最適な実行取引エージェントの学習のダイナミクスを考察する。
このモデルは、最適な実行学習エージェント、最小限の知的流動性テイカー、高速な電子流動性プロバイダによって表される3つの栄養レベルを持つ市場エコロジーを表している。
学習可能な最適な実行エージェントを組み込むことで、経験的データと同じ複雑さで動的に生成できるかどうかを検討する。
論文 参考訳（メタデータ） (2023-03-13T18:15:52Z) - Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top
exploration [53.122045119395594]
マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。
$m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。
ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
論文 参考訳（メタデータ） (2023-01-30T12:22:30Z) - Explaining Reinforcement Learning Policies through Counterfactual
Trajectories [147.7246109100945]
人間の開発者は、RLエージェントがテスト時にうまく機能することを検証しなければならない。
本手法では, エージェントの挙動をより広い軌道分布で示すことにより, エージェントの挙動を分布変化下で表現する。
本研究では,2つのエージェント検証タスクのうちの1つに対して,ベースライン法よりも優れたスコアを得られることを示す。
論文 参考訳（メタデータ） (2022-01-29T00:52:37Z) - Drug Package Recommendation via Interaction-aware Graph Induction [44.493214829186115]
本稿では,DPR on Weighted Graph (DPR-WG) とDPR on Attributed Graph (DPR-AG) の2つのバリエーションを持つ新しいDPRフレームワークを提案する。
詳しくは、マスク層を用いて患者の状態の影響を捉え、最終グラフ誘導タスクにグラフニューラルネットワーク(GNN)を利用してパッケージを埋め込む。
論文 参考訳（メタデータ） (2021-02-06T12:51:00Z) - Reinforcement Learning with Efficient Active Feature Acquisition [59.91808801541007]
実生活では、情報取得は患者の医療検査に該当する可能性がある。
本稿では,アクティブな特徴獲得ポリシーを学習するモデルに基づく強化学習フレームワークを提案する。
この成功の鍵は、部分的に観察された状態から高品質な表現を学ぶ新しい逐次変分自動エンコーダである。
論文 参考訳（メタデータ） (2020-11-02T08:46:27Z) - Bounded Incentives in Manipulating the Probabilistic Serial Rule [8.309903898123526]
確率的シリアルはインセンティブ互換ではない。
戦略行動による実質的な実用性の向上は、自己関心のエージェントがメカニズムを操作するきっかけとなる。
このメカニズムのインセンティブ比が$frac32$であることを示す。
論文 参考訳（メタデータ） (2020-01-28T23:53:37Z)
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。