論文の概要: Statistical Decision Theory with Counterfactual Loss

• arxiv url: http://arxiv.org/abs/2505.08908v1
• Date: Tue, 13 May 2025 19:00:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 21:44:09.278046
• Title: Statistical Decision Theory with Counterfactual Loss
• Title（参考訳）: 実測損失を考慮した統計的決定理論
• Authors: Benedikt Koch, Kosuke Imai,
• Abstract要約: 我々は、標準的な意思決定理論を拡張して、すべての潜在的な結果を用いて意思決定を評価する反事実的損失の基準を組み込む。 強い無知性の仮定の下では、反現実的損失関数が潜在的な結果に付加的である場合に限って、反現実的リスクが特定可能であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Classical statistical decision theory evaluates treatment choices based solely on observed outcomes. However, by ignoring counterfactual outcomes, it cannot assess the quality of decisions relative to feasible alternatives. For example, the quality of a physician's decision may depend not only on patient survival, but also on whether a less invasive treatment could have produced a similar result. To address this limitation, we extend standard decision theory to incorporate counterfactual losses--criteria that evaluate decisions using all potential outcomes. The central challenge in this generalization is identification: because only one potential outcome is observed for each unit, the associated risk under a counterfactual loss is generally not identifiable. We show that under the assumption of strong ignorability, a counterfactual risk is identifiable if and only if the counterfactual loss function is additive in the potential outcomes. Moreover, we demonstrate that additive counterfactual losses can yield treatment recommendations that differ from those based on standard loss functions, provided that the decision problem involves more than two treatment options.
• Abstract（参考訳）: 古典統計決定理論は、観察結果のみに基づく治療選択を評価する。 しかし、反実的な結果を無視して、実現可能な代替案に対する意思決定の質を評価することはできない。 例えば、医師の判断の質は、患者の生存だけでなく、より侵襲的な治療が同様の結果をもたらすかどうかにも依存する。 この制限に対処するため、我々は標準決定理論を拡張し、すべての潜在的な結果を用いて意思決定を評価する対実的損失の基準を組み込む。 この一般化における中心的な課題は識別である: 単位ごとに1つの潜在的な結果のみが観察されるため、反事実的損失による関連するリスクは一般的には特定できない。 強い無知性の仮定の下では、反現実的損失関数が潜在的な結果に付加的である場合に限って、反現実的リスクが特定可能であることを示す。 さらに,2つ以上の治療法が関係していることから,副次的対事的損失は,標準的な損失関数に基づくものと異なる治療勧告を導出できることを示した。

関連論文リスト

• Auditing Fairness under Unobserved Confounding [56.61738581796362]
  意外なことに、リスクの高い人に対する治療率の有意義な限界を計算できることが示されています。 現実の多くの環境では、リスクの偏りのない見積を導き出すために、アロケーションの前にデータを持っているという事実を使用します。
  論文  参考訳（メタデータ） (2024-03-18T21:09:06Z)
• Robust Design and Evaluation of Predictive Algorithms under Unobserved Confounding [2.8498944632323755]
  選択的に観測されたデータにおける予測アルゴリズムの頑健な設計と評価のための統一的なフレームワークを提案する。 我々は、選択されていないユニットと選択されたユニットの間で、平均して結果がどの程度異なるかという一般的な仮定を課す。 我々は,大規模な予測性能推定値のクラスにおける境界値に対するバイアス付き機械学習推定器を開発する。
  論文  参考訳（メタデータ） (2022-12-19T20:41:44Z)
• Policy Learning with Asymmetric Counterfactual Utilities [0.6138671548064356]
  非対称対実効関数を用いた最適政策学習について検討する。 最大電力損失を最小にすることで、最小限の決定ルールを導出する。 中間分類問題を解くことにより、観測データから最小損失決定ルールを学習できることが示される。
  論文  参考訳（メタデータ） (2022-06-21T15:44:49Z)
• Robust and Agnostic Learning of Conditional Distributional Treatment Effects [62.44901952244514]
  条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。 集約分析では、通常は分布処理効果(DTE)の測定によって対処される。 我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
  論文  参考訳（メタデータ） (2022-05-23T17:40:31Z)
• To Impute or not to Impute? -- Missing Data in Treatment Effect Estimation [84.76186111434818]
  我々は,MCM(Mixed Con founded missingness)と呼ばれる新しい欠損機構を同定し,ある欠損度が治療選択を判断し,他の欠損度が治療選択によって決定されることを示した。 本研究は,全てのデータを因果的に入力すると,不偏推定を行うために必要な情報を効果的に除去するので,処理効果のモデルが貧弱になることを示す。 私たちのソリューションは選択的計算であり、CMMからの洞察を使って、どの変数をインプットすべきで、どの変数をインプットすべきでないかを正確に知らせる。
  論文  参考訳（メタデータ） (2022-02-04T12:08:31Z)
• Treatment Effect Risk: Bounds and Inference [58.442274475425144]
  平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。 本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。 いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
  論文  参考訳（メタデータ） (2022-01-15T17:21:26Z)
• Off-policy Policy Evaluation For Sequential Decisions Under Unobserved Confounding [33.58862183373374]
  観測不能条件下でのOPE手法のロバスト性を評価する。 また,OPE法に偏りが強い場合も少ないことが示唆された。 最悪ケース境界の計算に有効な損失最小化手法を提案する。
  論文  参考訳（メタデータ） (2020-03-12T05:20:37Z)

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。