論文の概要: Bias and Identifiability in the Bounded Confidence Model

• arxiv url: http://arxiv.org/abs/2506.11751v1
• Date: Fri, 13 Jun 2025 13:04:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.796415
• Title: Bias and Identifiability in the Bounded Confidence Model
• Title（参考訳）: 境界信頼モデルにおけるバイアスと識別可能性
• Authors: Claudio Borile, Jacopo Lenti, Valentina Ghidini, Corrado Monti, Gianmarco De Francisci Morales,
• Abstract要約: 有界信頼モデル(bounded confidence model)は、集団がコンセンサス、断片化、分極に達する方法を記述している。 モデルパラメータの推定は重要な側面であり、最大推定はそれに取り組むための原則的な方法を提供する。 この結果から, 確率関数の解析は, 仮説力学モデルのパラメータを推定する際の落とし穴や可能性をよりよく理解するための実りある手法であることが示唆された。
• 参考スコア（独自算出の注目度）: 4.660328753262075
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Opinion dynamics models such as the bounded confidence models (BCMs) describe how a population can reach consensus, fragmentation, or polarization, depending on a few parameters. Connecting such models to real-world data could help understanding such phenomena, testing model assumptions. To this end, estimation of model parameters is a key aspect, and maximum likelihood estimation provides a principled way to tackle it. Here, our goal is to outline the properties of statistical estimators of the two key BCM parameters: the confidence bound and the convergence rate. We find that their maximum likelihood estimators present different characteristics: the one for the confidence bound presents a small-sample bias but is consistent, while the estimator of the convergence rate shows a persistent bias. Moreover, the joint parameter estimation is affected by identifiability issues for specific regions of the parameter space, as several local maxima are present in the likelihood function. Our results show how the analysis of the likelihood function is a fruitful approach for better understanding the pitfalls and possibilities of estimating the parameters of opinion dynamics models, and more in general, agent-based models, and for offering formal guarantees for their calibration.
• Abstract（参考訳）: 有界信頼モデル(BCM)のようなオピニオンダイナミクスモデルは、集団がいくつかのパラメータによってコンセンサス、断片化、偏極に達する方法を記述している。 このようなモデルと実世界のデータを結びつけることは、そのような現象を理解し、モデルの仮定をテストするのに役立つ。 この目的のために、モデルパラメータの推定は重要な側面であり、最大推定はそれに取り組むための原則的な方法を提供する。 ここでは、信頼性境界と収束率という2つの主要なBCMパラメータの統計的推定器の特性を概説する。 信頼境界は小さなサンプルバイアスを呈するが、一貫したものであるのに対し、収束率の推定子は永続バイアスを示す。 さらに, パラメータ空間の特定領域に対する識別可能性の問題により, 共役パラメータ推定が影響され, 確率関数にいくつかの局所最大値が存在する。 以上の結果から, 確率関数の解析は, 意見力学モデルのパラメータを推定する際の落とし穴や可能性をよりよく理解するための実りある手法であり, エージェントベースモデルや, キャリブレーションの正式な保証を提供するための方法であることを示す。

関連論文リスト

• Debiased Ill-Posed Regression [8.495265117285223]
  本稿では,予測誤差の修正による影響関数に基づく偏り推定手法を提案する。 提案した推定器は、関連するニュアンス関数に対して二階偏差を有する。
  論文  参考訳（メタデータ） (2025-05-27T06:47:33Z)
• Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
  この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。 第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。 第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
  論文  参考訳（メタデータ） (2025-02-11T19:24:09Z)
• Variational Inference of Parameters in Opinion Dynamics Models [9.51311391391997]
  この研究は、変数推論を用いて、意見力学 ABM のパラメータを推定する。 我々は推論プロセスを自動微分に適した最適化問題に変換する。 提案手法は, シミュレーションベース法とMCMC法より, マクロ的(有界信頼区間とバックファイア閾値)と微視的(200ドル, エージェントレベルの役割)の両方を正確に推定する。
  論文  参考訳（メタデータ） (2024-03-08T14:45:18Z)
• On the Properties and Estimation of Pointwise Mutual Information Profiles [49.877314063833296]
  ポイントワイド相互情報プロファイル(ポイントワイド相互情報プロファイル、英: pointwise mutual information profile)は、与えられた確率変数のペアに対するポイントワイド相互情報の分布である。 そこで我々は,モンテカルロ法を用いて分布を正確に推定できる新しい分布系 Bend と Mix Models を導入する。
  論文  参考訳（メタデータ） (2023-10-16T10:02:24Z)
• Likelihood-Based Methods Improve Parameter Estimation in Opinion Dynamics Models [6.138671548064356]
  エージェント・ベース・モデル(ABM)におけるパラメータ推定の最大解法は、典型的なシミュレーション・ベース・アプローチよりも優れていることを示す。 対照的に、確率に基づくアプローチは、統計的に原理化された方法で未知のパラメータを観測データに接続する確率関数を導出する。 実験の結果,最大推定値の精度は最大4倍に向上し,計算時間を最大200倍に短縮できることがわかった。
  論文  参考訳（メタデータ） (2023-10-04T12:29:37Z)
• Probabilistic Precision and Recall Towards Reliable Evaluation of Generative Models [7.770029179741429]
  問題に対処する確率論的アプローチに基づいて,P-precision and P-recall (PP&PR)を提案する。 我々のPP&PRは、既存の指標よりも忠実度と多様性を比較するための信頼性の高い見積もりを提供することを示す。
  論文  参考訳（メタデータ） (2023-09-04T13:19:17Z)
• Measuring and Modeling Uncertainty Degree for Monocular Depth Estimation [50.920911532133154]
  単分子深度推定モデル(MDE)の本質的な不適切さと順序感性は、不確かさの程度を推定する上で大きな課題となる。 本稿では,MDEモデルの不確かさを固有確率分布の観点からモデル化する。 新たなトレーニング正規化用語を導入することで、驚くほど単純な構成で、余分なモジュールや複数の推論を必要とせずに、最先端の信頼性で不確実性を推定できる。
  論文  参考訳（メタデータ） (2023-07-19T12:11:15Z)
• Trust but Verify: Assigning Prediction Credibility by Counterfactual Constrained Learning [123.3472310767721]
  予測信頼性尺度は統計学と機械学習において基本的なものである。 これらの措置は、実際に使用される多種多様なモデルを考慮に入れるべきである。 この研究で開発されたフレームワークは、リスクフィットのトレードオフとして信頼性を表現している。
  論文  参考訳（メタデータ） (2020-11-24T19:52:38Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)
• Machine learning for causal inference: on the use of cross-fit estimators [77.34726150561087]
  より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。 平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。 機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2020-04-21T23:09:55Z)

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。