Truthful Elicitation of Imprecise Forecasts

要約

確率的予測の質は、不確実性の下での意思決定に不可欠です。
適切なスコアリングルールは、正確な予測の真実の報告を奨励しますが、予測者は自分の信念について認識論的不確実性に直面し、意思決定者（DM）が適切な不確実性管理を優先する安全性批判のドメインでの使用を制限すると不足しています。
これに対処するために、不正確な予測を採点するためのフレームワークを提案します。これは、一連の信念として与えられた予測です。
決定論的なスコアリングルールの既存の不可能性の結果にもかかわらず、ソーシャル選択理論とのつながりを引き出し、DMSが最初にアグリゲーションルール（たとえば、平均またはMIN-MAX）が下流の決定で使用された曖昧さを解決するための双方向のコミュニケーションフレームワークを導入することにより、真実の誘発を可能にします。
これにより、予測者は誘発中に優柔不断を解決するのに役立ちます。
さらに、不正確な予測の真実の誘発が、集約手順でランダム化された適切なスコアリングルールを使用して達成可能であることを示します。
私たちのアプローチにより、DMは予測者の認識論的不確実性を意思決定プロセスに引き出して統合し、信頼性を向上させることができます。

要約(オリジナル)

The quality of probabilistic forecasts is crucial for decision-making under uncertainty. While proper scoring rules incentivize truthful reporting of precise forecasts, they fall short when forecasters face epistemic uncertainty about their beliefs, limiting their use in safety-critical domains where decision-makers (DMs) prioritize proper uncertainty management. To address this, we propose a framework for scoring imprecise forecasts — forecasts given as a set of beliefs. Despite existing impossibility results for deterministic scoring rules, we enable truthful elicitation by drawing connection to social choice theory and introducing a two-way communication framework where DMs first share their aggregation rules (e.g., averaging or min-max) used in downstream decisions for resolving forecast ambiguity. This, in turn, helps forecasters resolve indecision during elicitation. We further show that truthful elicitation of imprecise forecasts is achievable using proper scoring rules randomized over the aggregation procedure. Our approach allows DM to elicit and integrate the forecaster’s epistemic uncertainty into their decision-making process, thus improving credibility.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google