論文の概要: Instance-Adaptive Hypothesis Tests with Heterogeneous Agents
- arxiv url: http://arxiv.org/abs/2510.21178v1
- Date: Fri, 24 Oct 2025 06:00:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 06:57:23.384045
- Title: Instance-Adaptive Hypothesis Tests with Heterogeneous Agents
- Title（参考訳）: 不均一剤を用いたインスタンス適応仮説試験
- Authors: Flora C. Shi, Martin J. Wainwright, Stephen Bates,
- Abstract要約: 民間情報を持つ戦略エージェントの異種集団に対する仮説テストについて検討した。
ペイオフ構造と型最適試験を組み合わせた統計契約のメニューを設計する方法について述べる。
- 参考スコア（独自算出の注目度）: 18.438776242257163
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study hypothesis testing over a heterogeneous population of strategic agents with private information. Any single test applied uniformly across the population yields statistical error that is sub-optimal relative to the performance of an oracle given access to the private information. We show how it is possible to design menus of statistical contracts that pair type-optimal tests with payoff structures, inducing agents to self-select according to their private information. This separating menu elicits agent types and enables the principal to match the oracle performance even without a priori knowledge of the agent type. Our main result fully characterizes the collection of all separating menus that are instance-adaptive, matching oracle performance for an arbitrary population of heterogeneous agents. We identify designs where information elicitation is essentially costless, requiring negligible additional expense relative to a single-test benchmark, while improving statistical performance. Our work establishes a connection between proper scoring rules and menu design, showing how the structure of the hypothesis test constrains the elicitable information. Numerical examples illustrate the geometry of separating menus and the improvements they deliver in error trade-offs. Overall, our results connect statistical decision theory with mechanism design, demonstrating how heterogeneity and strategic participation can be harnessed to improve efficiency in hypothesis testing.
- Abstract（参考訳）: 民間情報を持つ戦略エージェントの異種集団に対する仮説テストについて検討した。
集団全体で一様に適用された単一のテストは、プライベート情報へのアクセスが与えられたオラクルのパフォーマンスに対して、準最適である統計誤差をもたらす。
本稿では,個人情報に基づいてエージェントが自己選択を誘導し,配当構造と型最適試験を組み合わせた統計契約のメニューを設計する方法について述べる。
この分離メニューはエージェントタイプを付与し、エージェントタイプの事前知識がなくても、プリンシパルがオラクルのパフォーマンスにマッチできるようにする。
我々の主な成果は、異種エージェントの任意の集団に対して、インスタンス順応的で、オラクルのパフォーマンスにマッチする全ての分離メニューのコレクションを特徴付けるものである。
統計的性能を改善しつつ、単テストベンチマークに対して無視できない追加費用を要し、情報提供が本質的に無コストである設計を同定する。
我々の研究は、適切なスコアリングルールとメニューデザインの関連性を確立し、仮説テストの構造が提案可能な情報をいかに制約するかを示す。
数値的な例は、メニューの分離の幾何学と、エラーのトレードオフをもたらす改善について説明している。
本研究の結果は, 統計的決定理論と機構設計を結びつけ, 仮説検証の効率向上に不均一性と戦略的関与をいかに活用できるかを示すものである。
関連論文リスト
- Learning Unified Representations from Heterogeneous Data for Robust Heart Rate Modeling [5.538168530326637]
心拍数予測は、パーソナライズされた健康モニタリングとフィットネスにとって不可欠だが、実際のデータにデプロイする際には、しばしば重要な課題に直面している。
特徴セットの異なる断片化されたデバイス市場からのソース異質性と、個人や活動の異なる生理的パターンを反映したユーザ異質性である。
既存の方法では、デバイス固有の情報を破棄するか、ユーザ固有の違いをモデル化できず、実際のパフォーマンスを制限している。
本稿では、両不均一性に対する潜在表現を学習し、下流予測器を不均一なデータパターンの下で一貫した動作を可能にするフレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-29T17:03:05Z) - Sharp Results for Hypothesis Testing with Risk-Sensitive Agents [32.38246810091696]
本研究では,統計学者(プリンシパルとしても知られる)がデータを生成する戦略エージェントと相互作用する仮説テストのゲーム理論バージョンについて検討する。
統計学者は、制御されたエラーを伴うテストプロトコルを設計し、データ生成エージェントは、ユーティリティと事前情報によってガイドされ、オプトインするかどうかを選択する。
論文 参考訳（メタデータ） (2024-12-21T02:51:56Z) - Detecting and Identifying Selection Structure in Sequential Data [53.24493902162797]
我々は,音楽のシーケンスなどの実践的な状況において,潜在目的に基づくデータポイントの選択的包摂が一般的である,と論じる。
選択構造はパラメトリックな仮定や介入実験なしで識別可能であることを示す。
また、他の種類の依存関係と同様に、選択構造を検知し、識別するための証明可能な正当性アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-06-29T20:56:34Z) - Causality and Independence Enhancement for Biased Node Classification [56.38828085943763]
各種グラフニューラルネットワーク(GNN)に適用可能な新しい因果性・独立性向上(CIE)フレームワークを提案する。
提案手法は,ノード表現レベルでの因果的特徴と突発的特徴を推定し,突発的相関の影響を緩和する。
我々のアプローチCIEは、GNNの性能を大幅に向上するだけでなく、最先端の debiased ノード分類法よりも優れています。
論文 参考訳（メタデータ） (2023-10-14T13:56:24Z) - Generalization within in silico screening [19.58677466616286]
シリカスクリーニングでは、予測モデルを使用して、実験的な検証のためにライブラリから好ましい特性を持つ化合物のバッチを選択する。
学習理論を拡張することにより、選択政策の選択性は一般化に大きな影響を及ぼすことを示す。
モデルがバッチで望ましい結果のごく一部を予測できる能力を考えると,一般化が著しく向上できることが示される。
論文 参考訳（メタデータ） (2023-07-18T16:01:01Z) - 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) - Federated Learning under Importance Sampling [49.17137296715029]
本研究は, サンプリングエージェントと非均一に誘導されるデータに対する重要サンプリングと工夫の効果について検討する。
代替のないサンプリングを含むスキームでは,結果のアーキテクチャの性能は,各エージェントのデータ変動性に関連する2つの要因によって制御される。
論文 参考訳（メタデータ） (2020-12-14T10:08:55Z) - Causal Feature Selection for Algorithmic Fairness [61.767399505764736]
データ管理の統合コンポーネントにおける公平性について検討する。
本稿では,データセットの公平性を保証する特徴のサブコレクションを同定する手法を提案する。
論文 参考訳（メタデータ） (2020-06-10T20:20:10Z) - A Causal Direction Test for Heterogeneous Populations [10.653162005300608]
ほとんどの因果モデルでは、単一の同質な集団を仮定するが、これは多くの応用において成り立たない仮定である。
等質性仮定に違反した場合、そのような仮定に基づいて開発された因果モデルが正しい因果方向を識別できないことを示す。
我々は,$k$-means型クラスタリングアルゴリズムを用いて,一般的な因果方向検定統計量の調整を提案する。
論文 参考訳（メタデータ） (2020-06-08T18:59:14Z)
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。