nikhef.nl

이 이메일 도메인이 관측된 논문 1건

arXiv:2610.08210v1stat.ML

항시 유효한(Anytime-valid) 시뮬레이션 기반 가설 검정

Anytime-valid simulation-based hypothesis testing

주어진 데이터 분포 $(X_t)_{t \in \mathbb{N}} \sim Q$가 i.i.d.일 때, 우리는 서로 다른 두 모델(model) 확률분포 $P_0$와 $P_1$에 대해 가설 검정 문제 $H_0: Q = P_0$ vs. $H_1: Q = P_1$을 다룬다. 해석적(analytic) 밀도 $p_0$와 $p_1$이 주어지는 표준적인 설정과 달리, 본 논문에서는 i.i.d. 시뮬레이션 $(Z^0_t)_{t \in \mathbb{N}} \sim P_0$ 및 $(Z^1_t)_{t \in \mathbb{N}} \sim P_1$에만 접근할 수 있는 밀도 미지(density-free) 설정을 고려한다. 이러한 시뮬레이션 기반 가설 검정 설정을 위해, 우리는 e-검정 마팅게일(e-test martingale)을 구성하며, 이를 통해 항시 유효한(anytime-valid) 1종 오류 보장, 근사적 성장 최적성(approximate growth optimality), 기하적으로 감소하는 2종 오류 경계, 그리고 점근적 검정력 1을 갖는 순차 검정(sequential test)을 얻는다. 본 구성에 사용된 대부분의 요소는 잘 알려진 개념들의 변형이다. 이 논문의 가치는 밀도 미지의 시뮬레이션 기반 순차 가설 검정 사례에 대해 효과적이고 항시 유효한 해법을 간결하게 제시하는 데 있다.