論文の概要: Incentive-Theoretic Bayesian Inference for Collaborative Science
- arxiv url: http://arxiv.org/abs/2307.03748v2
- Date: Thu, 8 Feb 2024 17:47:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-09 19:37:52.598828
- Title: Incentive-Theoretic Bayesian Inference for Collaborative Science
- Title（参考訳）: 協調科学のためのインセンティブ理論ベイズ推論
- Authors: Stephen Bates, Michael I. Jordan, Michael Sklar, Jake A. Soloff
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 59.15962177829337
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Contemporary scientific research is a distributed, collaborative endeavor,
carried out by teams of researchers, regulatory institutions, funding agencies,
commercial partners, and scientific bodies, all interacting with each other and
facing different incentives. To maintain scientific rigor, statistical methods
should acknowledge this state of affairs. To this end, we study hypothesis
testing when there is an agent (e.g., a researcher or a pharmaceutical company)
with a private prior about an unknown parameter and a principal (e.g., a
policymaker or regulator) who wishes to make decisions based on the parameter
value. The agent chooses whether to run a statistical trial based on their
private prior and then the result of the trial is used by the principal to
reach a decision. We show how the principal can conduct statistical inference
that leverages the information that is revealed by an agent's strategic
behavior -- their choice to run a trial or not. In particular, we show how the
principal can design a policy to elucidate partial information about the
agent's private prior beliefs and use this to control the posterior probability
of the null. One implication is a simple guideline for the choice of
significance threshold in clinical trials: the type-I error level should be set
to be strictly less than the cost of the trial divided by the firm's profit if
the trial is successful.
- Abstract（参考訳）: 現代の科学研究は、研究者、規制機関、資金機関、商業パートナー、科学機関のチームによって実施され、互いに交流し、異なるインセンティブに直面する分散的協力的な取り組みである。
科学的厳密性を維持するため、統計手法はこの状況を認めなければならない。
この目的のために、未知のパラメータについてプライベートな事前のエージェント(研究者や製薬会社など)とパラメータ値に基づいて意思決定をしたいプリンシパル(政策立案者や規制当局など)が存在する場合の仮説検証について検討する。
エージェントは、自分のプライベートな前付けに基づいて統計試験を行うかどうかを選択し、その後、裁判の結果を校長が決定にたどり着くために使用する。
エージェントの戦略行動によって明らかにされる情報、すなわち、トライアルを行うかどうかという選択を活用する統計的推論を、プリンシパルがどのように行うかを示す。
特に、エージェントのプライベートな事前信念に関する部分的情報を明らかにするためのポリシーを設計し、これをヌルの後方確率を制御するために利用する方法を示す。
1つの意味は、臨床試験において重要なしきい値を選択するための単純なガイドラインである:タイプIエラーレベルは、もし裁判が成功すれば、会社の利益によって分割された裁判のコストより厳密に小さくする必要がある。
関連論文リスト
- Decision Theoretic Foundations for Experiments Evaluating Human
Decisions [20.5402873175161]
本稿では、統計的決定理論と情報経済学から合成された決定問題の広く適用可能な定義について述べる。
我々は、人間のパフォーマンスの損失をバイアスの形で評価するためには、合理的なエージェントが規範的決定を識別する必要があるという情報を参加者に提供する必要があると論じる。
論文 参考訳（メタデータ） (2024-01-25T16:21:37Z) - Online Decision Mediation [72.80902932543474]
意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。
臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
論文 参考訳（メタデータ） (2023-10-28T05:59:43Z) - Causal Strategic Learning with Competitive Selection [10.237954203296187]
複数の意思決定者の下で因果戦略学習におけるエージェント選択の問題について検討する。
最適な選択規則は、最適なエージェントを選択することと、エージェントの改善を最大化するためのインセンティブを提供することの間のトレードオフであることを示す。
我々は、真の因果パラメータを回復するために、すべての意思決定者がまとめて採用しなければならない協調プロトコルを提供する。
論文 参考訳（メタデータ） (2023-08-30T18:43:11Z) - Ground(less) Truth: A Causal Framework for Proxy Labels in
Human-Algorithm Decision-Making [29.071173441651734]
人間のAI意思決定タスクにおけるプロキシラベルの有効性に影響を与える5つの変数バイアス源を同定する。
各バイアス間の関係を乱すための因果的枠組みを開発する。
今後の研究において、ターゲット変数バイアスに対処する機会について論じる。
論文 参考訳（メタデータ） (2023-02-13T16:29:11Z) - Principal-Agent Hypothesis Testing [54.154244569974864]
我々は、規制当局(プリンシパル)と医薬品会社のような実験者(エージェント)との関係を考察する。
医薬品の有効性は規制当局に知られていないため、医薬品会社は規制当局に有効性を証明するために費用がかかる裁判を行わなければならない。
エージェントの戦略行動に頑健なプロトコルを設計する方法を示し、戦略参加者の存在下で最適なプロトコルを導出する。
論文 参考訳（メタデータ） (2022-05-13T17:59:23Z) - Private Sequential Hypothesis Testing for Statisticians: Privacy, Error
Rates, and Sample Size [24.149533870085175]
我々は、Renyi差分プライバシーとして知られる、差分プライバシーのわずかな変種の下で、シーケンシャル仮説テスト問題を研究する。
我々は,Wald's Sequential Probability Ratio Test (SPRT)に基づく新たなプライベートアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-04-10T04:15:50Z) - Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards
Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。
正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。
人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
論文 参考訳（メタデータ） (2022-01-27T22:15:56Z) - Statistical discrimination in learning agents [64.78141757063142]
統計的差別は、訓練人口のバイアスとエージェントアーキテクチャの両方の関数としてエージェントポリシーに現れる。
我々は、リカレントニューラルネットワークを使用するエージェントによる差別の低減と、トレーニング環境のバイアスの低減が示される。
論文 参考訳（メタデータ） (2021-10-21T18:28:57Z) - Catch Me if I Can: Detecting Strategic Behaviour in Peer Assessment [61.24399136715106]
我々は、試験やホームワークの査定や採用・昇進の査定など、様々な査定課題における戦略的行動の課題について考察する。
我々はこのような操作を検出する方法の設計に重点を置いている。
具体的には、エージェントがピアのサブセットを評価し、後に集約されたランキングを最終的な順序付けとして出力する設定について検討する。
論文 参考訳（メタデータ） (2020-10-08T15:08:40Z)
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。