事後予測分散による不確実性定量化

arXiv stat.ML / 2026/3/23

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文では、全分散の法則を用いて事後予測分散の複数の級数展開を導出し、予測不確実性を条件付き期待値と条件付き分散の寄与に分解する。
事後予測分散は所与のモデルでは不変であるため、異なる展開は同一の総不確実性を再配分する保存的な分解として提示される。
著者らは、各展開の項を絶対的または相対的に評価し、予測区間の幅に最も影響する要因を特定することを提案する。
展開の項ごとの不確実性を、項数や条件付けの次数が異なる場合で分析し、ある展開において1つの項が小さい／ゼロであれば、他の展開に対応する項もまた小さい／ゼロでなければならないことを示す。
このアプローチを、いくつかの確立された予測モデリング設定に適用し、分解が予測モデル評価をどのように支え得るかを実証する。

Abstract

我々は、事後予測分散に対して複数の展開を生成するために、全分散の法則を用いる。これらの展開は、条件付き期待値および条件付き分散を含む項の和であり、予測的不確実性の源泉を定量化する。事後予測分散はモデルが与えられれば固定されているため、これらの展開のあいだ保存される一定の量を表す。展開中の項は、予測区間の長さに対する主要な寄与を理解するために、絶対的あるいは相対的な意味で評価できる。我々は、項の数および条件付けの順序が異なる展開にわたって、項ごとの不確実性を定量化する。とりわけ、ある展開における特定の項が小さい、またはゼロである場合には、他の展開においても同様に小さい、あるいはゼロでなければならない他の項を特定する。この手法を、いくつかのよく知られたモデルにおいて、予測モデル評価のために示す。