📊 statistics

Bayesian Inference for Discrete Markov Random Fields Through Coordinate Rescaling

تقترح هذه الورقة طريقة أخذ عينات قابلة للتوسع لإعادة قياس الإحداثيات تعمل على تحويل التوزيعات البعدية القائمة على الاحتمالية الكاذبة لتمكين الاستدلال البايزي الدقيق والفعال للحقول العشوائية لـ ماركوف المنفصلة، مما يتغلب بفعالية على عدم القدرة الحسابية على تقييم الاحتمالية الدقيقة والتقدير الضعيف لعدم اليقين في التقريبات الحالية.

Giuseppe Arena, Maarten Marsman2026-03-10
📊 statistics

Bayesian Inference for Joint Tail Risk in Paired Biomarkers via Archimedean Copulas with Restricted Jeffreys Priors

تقترح هذه الورقة إطاراً بايزياً باستخدام كوبرات أرخميدس (Archimedean copulas) وأولويات جيفريز المقيدة لتقدير وتقديم تقديرات عدم اليقين لمخاطر الذيل المشتركة في المؤشرات الحيوية المستمرة المزدوجة، مما يثبت فعاليتها من خلال عمليات المحاكاة وتحليل واقعي لمستويات جلوكوز الصيام والهيموجلوبين السكري (HbA1c) الذي يكشف عن تحرك متطرف مشترك مرتفع بشكل ملحوظ مقارنة بالاستقلال.

Agnideep Aich, Md. Monzur Murshed, Sameera Hewage, Ashit Baran Aich2026-03-10
🤖 machine learning

Conformal Tradeoffs: Guarantees Beyond Coverage

تقدم هذه الورقة إطاراً للتوثيق التشغيلي للمتنبئات المطابقة المنقسمة (split conformal predictors) يتجاوز التغطية الهامشية من خلال توفير ضمانات العينات المحدودة لمقاييس النشر الحرجة مثل وتيرة الالتزام والتعرض للخطأ عبر تصحيح بيتا للعينات الصغيرة، وبروتوكول تدقيق قائم على التدقيق المستقل، وتحليل هندسي للمقايضات من نوع باريتو.

Petrus H. Zwart2026-03-10
📊 statistics

Robust model selection using likelihood as data

تقدم هذه الورقة طريقة متينة لاختيار النماذج تعامل قيم لوغاريتم الاحتمال السلبي كبيانات عشوائية لتقدير وقياس عدم اليقين فيما يتعلق بتباعد كولباك-ليبلر، مما يتيح استدلالات معايرة حتى عندما تكون العملية المولدة للبيانات الحقيقية غير محددة بدقة.

Jongwoo Choi, Neil A. Spencer, Jeffrey W. Miller2026-03-10
🤖 machine learning

CREDO: Epistemic-Aware Conformalized Credal Envelopes for Regression

تقدم الورقة البحثية CREDO، وهي طريقة تجمع بين الأغلفة الاعتقادية القابلة للتفسير والمعايرة المطابقة لتوليد فترات تنبؤية خالية من التوزيع تأخذ في الاعتبار صراحةً عدم اليقين المعرفي مع الحفاظ على ضمانات تغطية صارمة.

Luben M. C. Cabezas, Sabina J. Sloman, Bruno M. Resende, Fanyi Wu, Michele Caprio, Rafael Izbicki2026-03-10
📊 statistics

Adaptive Bi-Level Variable Selection of Conditional Main Effects for Generalized Linear Models

تقترح هذه الورقة طريقة اختيار متغيرات ثنائية المستوى تكيفية للتأثيرات الرئيسية الشرطية ضمن إطار النموذج الخطي المعمم للتغلب على قيود نهج CMENET الحالي، وبالتالي تحسين قابلية تفسير تأثير التفاعل ودقة الاختيار من خلال نهج احتمالية معاقبة بأوزان تكيفية.

Kexin Xie, Xinwei Deng2026-03-10
📊 statistics

Living forwards or understanding backwards? A comparison of Inverse Probability of Treatment Weighting and G-estimation methods for targeting hypothetical full adherence estimands in longitudinal cohort studies

تقارن هذه الورقة بين طريقة وزن الاحتمال العكسي للعلاج (IPTW) وطرق تقدير "G" لتقدير الأثر السببي للالتزام الكامل بالدواء مقابل عدم الالتزام على النتائج الصحية في الدراسات الرصدية الطولية، مع تقييم خصائصها الإحصائية من خلال عمليات المحاكاة وتوضيح تطبيقها باستخدام بيانات "UK Biobank" حول الالتزام بتناول أدوية الستاتين.

Xiaoran Liang, Deniz Türkmen, Jane A H Masoli, Luke C Pilling, Jack Bowden2026-03-10
🔢 mathematics

Demonstration Experiments

تُصيغ هذه الورقة البحثية هدف إثبات آثار المعالجة الإيجابية في التجارب التكيفية ضمن إطار "المتعدد الأذرع" (multi-armed bandit)، مقترحةً إجراءات استدلالية مبتكرة لاختبار العتبة، وقاعدة تخصيص تكيفية تُحسّن نسبة الإشارة إلى الضوضاء مع ندم لوغاريتمي.

Guido Imbens, Lorenzo Masoero, Alexander Rakhlin, Thomas S. Richardson, Suhas Vijaykumar2026-03-10
📊 statistics

Estimating Complex Densities using Two-Stage Normalizing Flows

تقترح هذه الورقة إطار عمل لتدفقات التطبيع ثنائية المراحل (Two-Stage Normalizing Flows) يعمل على تقريب وأخذ عينات من توزيعات مستهدفة معقدة وغير قابلة للحل، وذلك عبر تعلم الكثافات أولاً من مكونات تعتمد على العينات فقط، ثم دمجها مع حدود محددة تحليلياً، مما يتيح استدلالاً قوياً في السيناريوهات التي لا يتوفر فيها الكثافة المستهدفة الكاملة.

Roxana Darvishi, David C. Stenning, Ted von Hippel, Owen G. Ward2026-03-10