論文の概要: Peeking with PEAK: Sequential, Nonparametric Composite Hypothesis Tests
for Means of Multiple Data Streams
- arxiv url: http://arxiv.org/abs/2402.06122v2
- Date: Fri, 16 Feb 2024 23:17:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-21 01:05:53.041957
- Title: Peeking with PEAK: Sequential, Nonparametric Composite Hypothesis Tests
for Means of Multiple Data Streams
- Title(参考訳): PEAKによるPeeking:複数のデータストリームに対する逐次的・非パラメトリック複合仮説テスト
- Authors: Brian Cho, Kyra Gan, Nathan Kallus
- Abstract要約: 本稿では,複数データストリームを用いた合成仮説のための新しい非パラメトリックシーケンシャルテストを提案する。
提案手法は,テスト・アズ・ベッティング・フレームワーク上に構築され,停止時間にまたがる非漸近的な$alpha$レベルのテストを提供する。
- 参考スコア(独自算出の注目度): 42.763520671703326
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a novel nonparametric sequential test for composite hypotheses for
means of multiple data streams. Our proposed method, \emph{peeking with
expectation-based averaged capital} (PEAK), builds upon the testing-as-betting
framework and provides a non-asymptotic $\alpha$-level test across any stopping
time. PEAK is computationally tractable and efficiently rejects hypotheses that
are incorrect across all potential distributions that satisfy our nonparametric
assumption, enabling joint composite hypothesis testing on multiple streams of
data. We numerically validate our theoretical findings under the best arm
identification and threshold identification in the bandit setting, illustrating
both the competitive performance and the computational efficiency of our method
against state-of-the-art testing methods.
- Abstract(参考訳): 本稿では,複数データストリームを用いた合成仮説のための新しい非パラメトリックシーケンシャルテストを提案する。
提案手法である \emph{peeking with expectation-based averaged capital} (peak) は,テスト・アズ・ア・ベッティングフレームワークを基盤とし,任意の停止時間にわたって非漸近的な$\alpha$-level テストを提供する。
PEAKは計算的に抽出可能であり、非パラメトリックな仮定を満たす全ての潜在的分布に誤りがある仮説を効率的に否定し、複数のデータストリームで共同合成仮説テストを可能にする。
提案手法の競争性能と計算効率の両立を図り, バンディット設定における腕の識別としきい値の同定により, 理論的知見を数値的に検証した。
関連論文リスト
- A powerful rank-based correction to multiple testing under positive
dependency [48.098218835606055]
ファミリーワイドエラー率(FWER)を制御した新しい多重仮説検定補正法を開発した。
提案アルゴリズムである$textttmax-rank$は、計算されたテスト統計のランク領域における$max$-operatorの使用に依存して、概念的に直進的である。
論文 参考訳(メタデータ) (2023-11-17T22:44:22Z) - Precise Error Rates for Computationally Efficient Testing [75.63895690909241]
本稿では,計算複雑性に着目した単純な対数-単純仮説テストの問題を再考する。
線形スペクトル統計に基づく既存の試験は、I型とII型の誤差率の間の最良のトレードオフ曲線を達成する。
論文 参考訳(メタデータ) (2023-11-01T04:41:16Z) - Sequential Predictive Two-Sample and Independence Testing [114.4130718687858]
逐次的非パラメトリック2サンプルテストと独立テストの問題点について検討する。
私たちは賭けによる(非パラメトリックな)テストの原則に基づいています。
論文 参考訳(メタデータ) (2023-04-29T01:30:33Z) - Sequential Kernelized Independence Testing [101.22966794822084]
我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。
シミュレーションデータと実データの両方にアプローチのパワーを実証する。
論文 参考訳(メタデータ) (2022-12-14T18:08:42Z) - Model-Free Sequential Testing for Conditional Independence via Testing
by Betting [8.293345261434943]
提案されたテストでは、任意の依存関係構造を持つ入ってくるi.d.データストリームを分析できる。
重要な結果が検出されれば,オンライン上でのデータポイントの処理を可能とし,データ取得を停止する。
論文 参考訳(メタデータ) (2022-10-01T20:05:33Z) - A Data-Driven Approach to Robust Hypothesis Testing Using Sinkhorn
Uncertainty Sets [12.061662346636645]
シンクホーン距離を用いた試料から, 実験分布を中心とした分布不確実性集合に対する最悪の検出法を求める。
ワッサーシュタインのロバスト試験と比較すると、対応する最も好ましい分布はトレーニングサンプルを超えてサポートされ、より柔軟な検出器を提供する。
論文 参考訳(メタデータ) (2022-02-09T03:26:15Z) - AdaPT-GMM: Powerful and robust covariate-assisted multiple testing [0.7614628596146599]
偽発見率(FDR)制御を用いた複数検定の実証的ベイズ法を提案する。
本手法は,アダプティブp値しきい値法(AdaPT)をマスク方式の一般化により洗練する。
我々は、AdaPT-GMMと呼ばれる新しい手法が一貫して高出力を実現することを、広範囲にわたるシミュレーションと実データ例で示す。
論文 参考訳(メタデータ) (2021-06-30T05:06:18Z) - Testing for Outliers with Conformal p-values [14.158078752410182]
目標は、新しい独立したサンプルが参照データセットと同じ分布に属するかどうかをテストすることである。
そこで本論文では,p-値が有意であるが,異なるテストポイントに対して互いに依存する,広く適用可能なフレームワークである共形推論に基づく解を提案する。
我々は、これらのp値が正に依存し、正確な誤発見率制御を可能にすることを証明している。
論文 参考訳(メタデータ) (2021-04-16T17:59:21Z) - Balance-Subsampled Stable Prediction [55.13512328954456]
本稿では, 分数分解設計理論に基づく新しいバランスサブサンプル安定予測法を提案する。
設計理論解析により,提案手法は分布シフトによって誘導される予測器間の共起効果を低減できることを示した。
合成および実世界の両方のデータセットに関する数値実験により、BSSPアルゴリズムは未知のテストデータ間で安定した予測を行うためのベースライン法を著しく上回っていることが示された。
論文 参考訳(メタデータ) (2020-06-08T07:01:38Z) - Nonparametric Inference under B-bits Quantization [5.958064620718292]
そこで本研究では,B$ビットに量子化されたサンプルに基づく非パラメトリック試験手法を提案する。
特に、B$が一定の閾値を超えると、提案した非パラメトリックテスト手順が古典的なミニマックステスト率を達成することを示す。
論文 参考訳(メタデータ) (2019-01-24T18:43:16Z)
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。