Resumo Técnico: Synthetic Priors (Priors Sintéticos)

1. Problema e Motivação

A inferência bayesiana em Modelos Lineares Generalizados (GLMs), particularmente na regressão logística, enfrenta um desafio fundamental na elicitação de priors (especificação de distribuições a priori).

• Dificuldade Cognitiva: Praticantes e especialistas de domínio raciocinam naturalmente sobre probabilidades de resposta em valores específicos de covariáveis (ex.: taxa de resposta ao placebo, probabilidade de falha a uma temperatura específica), e não sobre os parâmetros abstratos da escala log-odds ($\beta$).
• Sensibilidade: Mudanças de unidade em $\beta$ correspondem a mudanças multiplicativas nas odds, uma escala difícil de calibrar e sensível a reparametrizações.
• Limitação Atual: Especificar priors diretamente no espaço dos parâmetros muitas vezes resulta em especificações arbitrárias ou pouco informativas, perdendo o potencial de ganho de eficiência que priors informativos oferecem.

2. Metodologia: Priors Sintéticos e o Dispositivo de Good

O artigo propõe a classe de Priors Sintéticos, fundamentada no "dispositivo de observações imaginárias" de Good [1950]. A premissa central é que toda prior conjugada é equivalente a uma verossimilhança sobre dados pseudo-observados da mesma família exponencial.

2.1. O Prior de Médias Condicionais (BCJ)

Baseado em Bedrick et al. [1996], o método elicita crenças no espaço das probabilidades:

1. Seleção de Pontos de Design: O especialista escolhe $p$ pontos de covariáveis $\tilde{x}_1, \dots, \tilde{x}_p$.
2. Elicitação de Probabilidades: Para cada ponto, define-se uma distribuição Beta independente para a média condicional da resposta $\tilde{\mu}_j = \sigma(\tilde{x}_j^\top \beta)$, onde $\sigma$ é a função logística.
   • $\tilde{\mu}_j \sim \text{Beta}(a_j, b_j)$.
   • $a_j/b_j$ define a probabilidade média esperada.
   • $n_j = a_j + b_j$ define o "tamanho da amostra" efetivo da prior (confiança).
3. Transformação: A prior induzida em $\beta$ é o produto das verossimilhanças de $p$ observações binomiais sintéticas. Matematicamente, a prior $\pi(\beta)$ é proporcional a:
   $$\pi(\beta) \propto \prod_{j=1}^p \sigma(\tilde{x}_j^\top \beta)^{a_j} [1 - \sigma(\tilde{x}_j^\top \beta)]^{b_j}$$
   Isso equivale a adicionar $n_j$ observações fictícias (com $a_j$ sucessos) aos dados reais.

2.2. Amostragem Exata via P´olya-Gamma

A combinação do prior BCJ com a aumentação de dados P´olya-Gamma [Polson et al., 2013] permite uma inferência computacionalmente exata e eficiente:

• O log-posterior combinado (dados reais + dados sintéticos) mantém a estrutura de uma regressão logística.
• Aumentação P´olya-Gamma transforma o modelo em um modelo condicionalmente Gaussiano.
• Resultado: Um amostrador de Gibbs conjugado exato, sem necessidade de passos de Metropolis-Hastings ou ajuste de parâmetros de sintonia. O prior sintético entra no algoritmo exatamente como dados reais, ponderados por $n_j$.

3. Contribuições Principais

O artigo estabelece quatro contribuições teóricas e práticas:

1. Fundamentação Teórica: Identifica o dispositivo de Good como a base unificadora para priors sintéticos. Mostra que a Regressão Ridge (penalidade $\ell_2$) é um caso especial de prior sintético Gaussiano em pontos de design unitários, e o prior BCJ é a versão logística em pontos de design escolhidos pelo especialista.
2. Algoritmo Exato: Demonstra que a combinação BCJ + P´olya-Gamma resulta em um amostrador de Gibbs conjugado onde os dados sintéticos são tratados de forma idêntica aos dados reais, facilitando a implementação computacional.
3. Unificação de Frameworks: Organiza Ridge Regression, Priors BCJ, Priors Catalíticos [Huang et al., 2020] e Inferência Potenciada por Previsão (PPI) [Angelopoulos et al., 2023a] em uma hierarquia. Todos compartilham a estrutura de aumentar um conjunto de dados primário com uma fonte auxiliar, controlada por um único parâmetro de informatividade (ex: $\lambda$, $n_j$, $\tau$).
4. Aplicações Empíricas: Validação em dois cenários distintos (ver seção 4).

4. Resultados Empíricos

4.1. Dados de O-Ring do Challenger (Reanálise)

• Contexto: Previsão de falha de O-ring em função da temperatura de lançamento.
• Comparação: Prior BCJ (baseado em crenças de engenharia de 80% de falha a 31°F e 10% a 81°F) vs. Prior Flat (não informativo).
• Resultado: No dia do lançamento (31°F), o prior flat estima uma probabilidade de falha extrema (98.8%), enquanto o prior BCJ fornece uma estimativa mais moderada e realista (87.3%), ainda que alta. O prior BCJ também reduz significativamente a largura dos intervalos de credibilidade em temperaturas intermediárias, evitando extrapolações extremas.

4.2. Ensaio Clínico de Fase II (Dermatite Atópica)

• Contexto: Simulação de um ensaio de dose-resposta ($N=300$) para um inibitor de IL.
• Configuração: Prior BCJ ancorado em dois pontos: Placebo (10% de resposta, peso 10) e Dose Máxima (30% de resposta, peso 10).
• Desempenho:
  • Redução de Variância: Os intervalos de credibilidade de 95% foram 3–6% mais estreitos com o prior sintético em comparação ao prior flat.
  • Decisão Clínica: A probabilidade de decisão (identificar doses com benefício >5% sobre o placebo) aumentou em até 2 pontos percentuais para doses eficazes.
  • Viés: Ambos os priors sofreram viés de especificação do modelo (ajustar um modelo logístico linear a um processo gerador de dados Emax), mas o prior sintético manteve a precisão relativa e reduziu a incerteza.

5. Significado e Implicações

• Praticidade: O método permite que especialistas de domínio contribuam com conhecimento sem precisar entender a escala log-odds, traduzindo intuições de "taxa de sucesso" diretamente para o modelo estatístico.
• Eficiência Computacional: Elimina a necessidade de métodos de aproximação caros (como MCMC com rejeição) para priors informativos em GLMs, oferecendo amostragem exata e rápida.
• Trade-off Viés-Variância: O parâmetro de tamanho da amostra sintética ($n_j$) atua como um controle direto sobre o trade-off entre viés (introduzido pela crença do especialista) e variância (reduzida pela informação adicional).
• Limitações: Diferentemente da Inferência Potenciada por Previsão (PPI), os priors sintéticos não possuem garantias frequentistas de validade se as crenças do especialista estiverem fundamentalmente erradas (viés de especificação). A robustez deve ser verificada através de análise de sensibilidade.

Em suma, o artigo oferece uma ponte robusta entre a intuição de domínio e a inferência bayesiana rigorosa em modelos de regressão logística, facilitando a incorporação de conhecimento externo de forma matematicamente elegante e computacionalmente eficiente.