Resumo Técnico: Otimização Bayesiana Multiobjetivo para Inferência Livre de Verossimilhança em Modelos de Amostragem Sequencial

1. Definição do Problema

Em muitos domínios científicos, particularmente na modelagem de psicologia e comportamento do consumidor, os modelos estatísticos são definidos por processos generativos (simuladores) que produzem dados sintéticos. Embora seja natural incorporar o conhecimento do domínio dessa forma, esses modelos frequentemente possuem funções de verossimilhança intratáveis, tornando a inferência Bayesiana tradicional impossível. A Inferência Livre de Verossimilhança (LFI - Likelihood-Free Inference), ou Inferência Baseada em Simulação (SBI - Simulation-Based Inference), aborda isso baseando-se exclusivamente em simulações do modelo.

Um desafio específico surge ao lidar com dados de múltiplas fontes (por exemplo, resultados de escolha e tempos de resposta em Modelos de Amostragem Sequencial). Os métodos existentes de LFI eficiente, como a Otimização Bayesiana para Inferência Livre de Verossimilhança (BOLFI), geralmente exigem a combinação de discrepâncias de múltiplas fontes de dados em uma única métrica escalar. Essa combinação é frequentemente arbitrária; se não for tratada com extremo cuidado, pode levar a:

• Perda de informação: A importância relativa de diferentes fontes de dados pode ser obscurecida.
• Quantificação de incerteza conservadora: A posterior resultante pode ser excessivamente difusa.
• Incapacidade de detectar conflito: Se as fontes de dados fornecerem informações conflitantes (por exemplo, devido à especificação incorreta do modelo), uma única discrepância combinada pode falhar em explorar as regiões de alta verossimilhança de todas as fontes simultaneamente.

Métodos de estimativa de densidade estruturada atuais (por exemplo, verossimilhança sintética) frequentemente exigem simulações excessivas, tornando-os inadequados para simuladores computacionalmente caros.

2. Metodologia: MOBOLFI

Os autores propõem o MOBOLFI (Otimização Bayesiana Multiobjetivo para Inferência Livre de Verossimilhança). Este método estende a abordagem BOLFI de fonte única para lidar com dados de múltiplas fontes, tratando as discrepâncias de cada fonte de dados como objetivos separados em um framework de otimização multiobjetivo.

Mecanismo Central

1. Discrepância Multidimensional: Em vez de uma única discrepância $\Delta$, o MOBOLFI define um vetor de discrepâncias $\mathbf{D}(\theta) = (D_1(\theta), \dots, D_K(\theta))^\top$, onde cada $D_k$ representa a discrepância esperada entre os dados simulados e observados para a $k$-ésima fonte de dados.
2. Modelo de Substituição (Surrogate Modeling): Um Processo Gaussiano (GP) multivariado é usado como um modelo substituto para a função de discrepância valorada por vetor $\mathbf{D}(\theta)$. Este modelo captura não apenas a incerteza em cada discrepância, mas também a estrutura de dependência (covariância) entre as discrepâncias das diferentes fontes de dados.
3. Otimização Bayesiana Multiobjetivo (MOBO): O algoritmo emprega MOBO para selecionar sequencialmente os parâmetros de simulação $\theta$. Especificamente, utiliza a função de aquisição Melhoria de Hipervolume Esperada com Ruído (NEHVI). Isso guia a busca em direção à "fronteira de Pareto" — o conjunto de valores de parâmetros onde as discrepâncias para todas as fontes de dados são minimizadas simultaneamente (ou onde nenhuma fonte individual pode ser melhorada sem piorar outra).
4. Aproximação de Verossimilhança: Uma vez que o substituto GP é treinado, ele aproxima a distribuição das discrepâncias. A verossimilhança para os dados conjuntos e para fontes de dados individuais é aproximada usando a função de distribuição cumulativa (CDF) de uma distribuição normal multivariada derivada das previsões do GP.
   • A verossimilhança conjunta é aproximada como $p(\mathbf{S}_{obs}|\theta) \propto \Phi(\mathbf{t}; \boldsymbol{\mu}_n(\theta), \boldsymbol{\Sigma}_n(\theta) + \boldsymbol{\Sigma})$.
   • As verossimilhanças marginais e condicionais para fontes individuais (por exemplo, $p(T_{obs}|\theta)$) são derivadas pela decomposição da probabilidade multivariada, permitindo a inferência separada em subconjuntos dos dados.

Detalhes de Implementação

• Seleção de Tolerância: O vetor de tolerância $\mathbf{t}$ é definido com base no $q$-quantile das discrepâncias de treinamento (por exemplo, $q=0.05$).
• Escalonamento: Para garantir estabilidade numérica e exploração eficaz, as discrepâncias são escalonadas (por exemplo, usando o Desvio Absoluto Médio) para que operem em magnitudes semelhantes antes de serem alimentadas no algoritmo MOBO.
• Amostragem da Posterior: As verossimilhanças aproximadas são usadas dentro de algoritmos de Cadeia de Markov Monte Carlo (MCMC) (especificamente MCMC de Evolução Diferencial) para amostrar da posterior aproximada sem a necessidade de novas simulações caras.

3. Principais Contribuições

O artigo delineia três contribuições primárias:

1. Exploração Eficiente de Regiões de Alta Verossimilhança Disjuntas: O MOBOLFI pode explorar regiões de alta verossimilhança para múltiplas fontes de dados em uma única execução, mesmo quando estas regiões são disjuntas (um cenário comum em especificação incorreta de modelos). Isso é difícil para abordagens de objetivo único, que podem ficar presas em ótimos locais de uma métrica combinada.
2. Evitação de Perda de Informação: Ao evitar a necessidade de combinar discrepâncias em um único escalar, o MOBOLFI preserva o conteúdo de informação distinto de cada fonte de dados. Isso evita a quantificação de incerteza "altamente conservadora" frequentemente observada quando pesos arbitrários são usados para combinar discrepâncias.
3. Capacidades Diagnósticas: O método permite a aproximação de verossimilhanças para fontes de dados individuais. Isso permite que pesquisadores:
   • Verifiquem a existência de informações conflitantes entre fontes de dados (checagem de modelo).
   • Determinem a importância relativa de fontes de dados específicas para a estimativa de parâmetros individuais.

4. Resultados Experimentais

Os autores validam o MOBOLFI através de três exemplos:

A. Exemplo de Brinquedo (Movimento Browniano)

• Configuração: Um modelo sintético com duas fontes de dados (observações Normais e movimento Browniano discretizado) estimando um parâmetro de 10 dimensões.
• Descobertas:
  • O MOBOLFI produziu posteriors com variância menor e maior alinhamento com a posterior verdadeira em comparação ao BOLFI com uma soma ponderada de discrepâncias.
  • O MOBOLFI recuperou com sucesso a posterior verdadeira para fontes de dados individuais (condicionando apenas a uma fonte) sem custo computacional adicional após a execução conjunta.
  • Em um cenário de especificação incorreta (onde as duas fontes de dados foram geradas por parâmetros verdadeiros diferentes), o MOBOLFI identificou a informação conflitante, enquanto o BOLFI produziu um modo da posterior situado entre as verdades conflitantes, falhando em capturar as distintas regiões de alta verossimilhança.

B. MLBA Sintético (Acumulador Balístico Linear de Múltiplos Atributos)

• Configuração: Um SSM usado para tomada de decisão, ajustado a dados sintéticos de escolha e tempo de resposta (RT). A verossimilhança de forma fechada do MLBA serviu como o "padrão ouro".
• Descobertas:
  • As posteriors do MOBOLFI foram significativamente mais próximas do padrão ouro de forma fechada do que as posteriors do BOLFI.
  • O MOBOLFI demonstrou que os dados de Tempo de Resposta (RT) foram cruciais para estimar parâmetros de "back-end" (limiar de decisão/dificuldade), enquanto os dados de Escolha (CH) foram mais informativos para parâmetros de "front-end" (preferências).
  • Em cenários de especificação incorreta, o MOBOLFI explorou o espaço de parâmetros de forma eficaz, identificando ótimos locais próximos aos parâmetros verdadeiros conflitantes, enquanto o BOLFI falhou em explorar a região completa de alta verossimilhança para ambos os dados simultaneamente.

C. Dados do Mundo Real (Motoristas de Aplicativo)

• Configuração: Um estudo empírico sobre as preferências de motoristas de aplicativos de transporte em Singapura por veículos elétricos (EV), usando dados de escolha e RT.
• Descobertas:
  • As aproximações do MOBOLFI foram muito mais próximas das estimativas de verossimilhança de forma fechada do que o BOLFI.
  • A análise revelou que, enquanto os dados de escolha impulsionaram a estimativa de parâmetros de preferência, os dados de RT foram essenciais para estimar o limiar de decisão.
  • Os dados conjuntos forneceram estimativas mais eficientes do que as fontes de dados marginais isoladas.

D. Exemplo do Centro de Creche (Apêndice)

• Configuração: Inferência sobre taxas de transmissão bacteriana usando estatísticas de resumo de múltiplos centros.
• Descobertas: O MOBOLFI apresentou desempenho competitivo com o BOLFI mesmo neste contexto de fonte única (quando os resumos dos dados foram particionados), demonstrando robustez.

5. Significância e Alegações

O artigo afirma que o MOBOLFI oferece um framework robusto para inferência Bayesiana em modelos complexos e computacionalmente caros com múltiplas fontes de dados. Sua significância reside em:

• Lidar com Especificação Incorreta: Fornece um mecanismo para detectar e analisar conflitos entre fontes de dados, o que é crítico para análises confiáveis em modelos complexos como os SSMs.
• Eficiência de Simulação: Alcança aproximações precisas com menos simulações do que métodos que exigem grandes lotes de dados para estimativa de densidade, tornando-o adequado para simuladores caros.
• Interpretabilidade: Ao separar as contribuições de verossimilhança, oferece insights mais profundos sobre quais fontes de dados impulsionam a estimativa de parâmetros específicos, uma característica perdida em abordagens de discrepância única.

Os autores observam que, embora o MOBOLFI seja motivado pelos SSMs, ele é aplicável a qualquer problema de LFI com múltiplas fontes de dados. Eles reconhecem que desafios permanecem, como a sensibilidade à escolha das estatísticas de resumo e à inicialização do algoritmo de BO, sugerindo estas como áreas para pesquisas futuras.