식별 가능성 분석

Identifiability analysis

식별 가능성 분석은 실험 데이터의 양과 품질에 의해 모형의 모수가 얼마나 잘 추정되는지를 결정하는 데 사용되는 수학적 통계에서 발견되는 방법의 그룹이다.[1]따라서 이러한 방법은 모델의 식별 가능성뿐만 아니라 특정 실험 데이터 또는 보다 일반적으로 데이터 수집 프로세스와 모델의 관계를 탐구한다.

소개

모형이 실험 데이터에 적합하다고 가정해도 적합도는 모수 추정치의 신뢰도를 나타내지 않는다.적합도 또한 모형이 올바르게 선택되었음을 입증하기에 충분하지 않다.예를 들어, 실험 데이터가 소음이 많거나 데이터 점의 수가 충분하지 않은 경우, 추정된 모수 값이 적합도에 유의한 영향을 미치지 않고 급격히 변화할 수 있다.이러한 문제를 해결하기 위해 식별 가능성 분석을 모델의 정확한 선택과 충분한 양의 실험 데이터를 보장하기 위한 중요한 단계로 적용할 수 있다.이 분석의 목적은 획득한 실험 데이터의 정확한 모델 선택과 통합성에 대한 정량화된 증명이거나 또는 그러한 분석이 비식별적이고 허술한 매개변수를 탐지하는 도구로 작용하여 실험 계획을 수립하고 초기에 모델을 구축 및 개선하는 데 도움을 줄 수 있다.

구조 및 실제 식별 가능성 분석

구조 식별성 분석은 모델 구조 자체가 식별성이 없는지에 대해 조사되는 특정 유형의 분석이다.인식된 비식별성은 비식별화 매개변수를 이들의 조합으로 대체하거나 다른 방법으로 제거할 수 있다.유한한 실험 데이터 집합을 시뮬레이션하기 위해 적용 후 독립적인 매개변수 수로 과부하되는 모델은 매개변수 값의 변화에 민감하지 않은 적합 결과를 만드는 가격으로 실험 데이터에 잘 적합할 수 있으므로 매개변수 값은 결정되지 않는다.이 경우 비식별성 분석은 모델에 대한 자유도(통계학)의 수와 변화해야 하는 독립적 실험 조건의 수를 탐색하여 적합 점수 함수를 계산하기 전에 수행할 수 있으므로, 구조 방법을 priori라고도 한다.

실제 식별성 분석은 기존 모델이 실험 데이터에 적합한지 탐구하여 수행할 수 있다.어떤 측정치에서든 적합치를 획득한 후에는 매개변수 식별 가능성 분석을 지정된 지점 근처에서(대개 최상의 적합을 제공하는 매개변수 값 근처) 또는 확장 매개변수 공간에 걸쳐 전체적으로 수행할 수 있다.실제 식별 가능성 분석의 일반적인 예는 종단우도 방법이다.

참고 항목

메모들

  1. ^ 코벨리 & 디스테파노 (1980)

참조