統計学輪講 第4回
| 日時 | 2026年04月28日(火) 15時45分 ～ 16時35分 |
|---|---|
| 場所 | 経済学部新棟３階第３教室 |
| 講演者 | 山本 直矢 (情報理工M2) |
| 演題 | （論文紹介）Optimal post-selection inference for sparse signals: a nonparametric empirical Bayes approach |
| 概要 |
本発表では、Woody et al. (2022) による、選択的推論において FAB (Frequentist Assisted by Bayes) フレームワークを活用した信頼区間構築手法を紹介する 。 選択的推論とは、モデル選択や統計的検定を経て選別されたパラメータに対し、妥当な推論を行うための枠組みである 。この設定下での信頼区間構築は、選択イベントによる条件付けが必要となるため、通常の区間に比べ区間幅が一般に広くなる傾向があるという課題がある 。 紹介論文では、Yu & Hoff (2018) による FAB 手法を切断分布下での推論へと拡張し、saFAB (selection-adjusted FAB) として提案している 。本手法は、名目上の誤り率 (nomial error rate) α の割り振りを決定する Spending function を、ノンパラメトリックに推定した事前分布に基づいて最適化することで、頻度論的に厳密な被覆率を維持しつつ平均的な区間幅を最小化する 。理論面では提案手法が事前分布を既知としたオラクル・ベイズ解析の結果に漸近一致することを示し 、また、実証面ではシミュレーションおよび神経同期データを用いた解析を通じ、既存の頻度論的手法を上回る効率（短い区間幅）を達成することを確認している 。 |