📊 statistics

High-Dimensional Single-Index Models: Link Estimation and Marginal Inference

تقترح هذه الورقة طريقة مبتكرة لتقدير دالة الربط وإجراء الاستدلال الهامشي في نماذج المؤشر الواحد عالية الأبعاد، مع إثبات التوزيع الطبيعي التقاربي لتمكين فترات الثقة واختبار الفرضيات الصالحة عندما يكون حجم العينة والبعد متقاربين.

Kazuma Sawaya, Yoshimasa Uematsu, Masaaki Imaizumi2026-08-26
📊 statistics

Two-Sided Nearest Neighbors: An adaptive and minimax optimal procedure for matrix completion

تقترح هذه الورقة خوارزمية الجار الأقرب ثنائية الجانب لإكمال المصفوفات في ظل نماذج العوامل غير الخطية الكامنة ذات النعومة المنخفضة والنسب العالية من القيم المفقودة، مع إثبات أنها تحقق معدلات خطأ مثالية (minimax optimal) تتكيف مع نعومة الدالة الأساسية وتطابق أداء النموذج المثالي (oracle performance) حتى مع وجود مدخلات مفقودة حتمية.

Tathagata Sadhukhan, Manit Paul, Raaz Dwivedi2026-08-26
📊 statistics

Asymmetric Huber Periodogram

تقدم هذه الورقة البحثية "مخطط هوبير الدوري غير المتماثل" (AHP)، وهو مقدر طيفي من نوع (M-estimator) مبتكر وفعال حاسبياً، يعمل على تعميم المخططات الدورية الحالية للكشف بمتانة عن الدورات الخفية، والتعامل مع القيم المتطرفة، وتسهيل تجميع السلاسل الزمنية من خلال تحليل شامل لمعلمات عدم التماثل.

Tianbo Chen, Xiaojun Song2026-08-26
📊 statistics

Utilizing subgroup information in random-effects meta-analysis of few studies

تقترح هذه الورقة نهج استدلال مبتكر للتحليل التلوي ذي التأثيرات العشوائية في حالة وجود دراسات قليلة، والذي يستفيد من بيانات مستوى المجموعات الفرعية لتحسين تقدير التباين وأداء فترات الثقة، مما يقدم حلاً عملياً لتوليف الأدلة عندما يكون عدد التجارب صغيراً جداً.

Ao Huang, Christian Röver, Tim Friede2026-08-26
📊 statistics

Calibrated Bayes analysis of cluster-randomized trials

تقدم هذه الورقة إجراءً بايزياً مُعايرًا للتجارب العشوائية المجمعة يستهدف كلاً من متوسط تأثير المعالجة على مستوى المجموعات وعلى مستوى الأفراد، محققاً تغطية تكرارية ومتانة نموذجية حتى في ظل الخطأ في توصيف النموذج وأحجام المجموعات المعلوماتية.

Ruyi Liu, Joshua L. Warren, Yuki Ohnishi, Donna Spiegelman, Liangyuan Hu, Fan Li2026-08-26
📊 statistics

Separating Time-Varying Network Composition from Predictive Dependence under Noisy Network Measurement

تقترح هذه الورقة إطار عمل للنمذجة المشتركة يستخدم قياسات الشبكة الضوضائية المتكررة للتمييز بين التغيرات في قوة الاعتماد التنبؤي والتغيرات في تكوين الشبكة، مما يوفر شروط تحديد، ومقدرات قوية، واختبارات تشخيصية نجحت في عزل هذه التأثيرات في بيانات التجارة العالمية.

Marios Papamichalis, Regina Ruane, Theofanis Papamichalis2026-08-26
🤖 machine learning

From Causal Plausibility to Causal Reliability: Evaluating LLMs as Calibrated Direct Causal-Edge Classifiers

تقيم هذه الورقة البحثية بشكل منهجي اثني عشر نموذجاً من نماذج اللغات الكبيرة بصفتها مصنفات مباشرة للحواف السببية، وتجد أنه بينما تُظهر هذه النماذج قدرة قوية على الاستدعاء، إلا أنها تعاني من الإفراط الملحوظ في التنبؤ، وضعف التمييز بين العلاقات المباشرة وغير المباشرة، والثقة المفرطة الشديدة في الأحكام الخاطئة، مما يشير إلى أنها ملائمة لتكون مصادر للبديهيات السببية الناعمة بدلاً من كونها أدلة مباشرة موثوقة للبنية السببية.

Amit Kumar, Elnur Adl Zarabi, Suranjana Trivedy, Zhiqian Chen, Lei Zhang, Kaiqun Fu, Taoran Ji2026-08-26
📊 statistics

Approximating the null distribution of generalized distance covariance

تؤسس هذه الورقة البحثية التبرير النظري الصارم وتقترح خوارزمية تكيفية فعالة لتقريب التوزيع الصفري لتباين التباعد المعمم باستخدام الأطياف التجريبية، مما يوفر بديلاً قابلاً للتنفيذ حاسوبياً وصالحاً تقاربياً لاختبارات التبديل للكشف عن الاستقلال.

Dominic Edelmann2026-08-26
📊 statistics

Graph-dependent shrinkage priors for Bayesian trend filtering

تقدم هذه الورقة إطاراً بايزياً شاملاً يستخدم مسبقات الانكماش المعتمدة على الرسم البياني التي تستفيد من هياكل الرسم البياني لتنعيم الاتجاه، والانكماش المحلي التكيفي، وأخذ عينات ماركوف مونت كارلو (MCMC) القابلة للتوسع للتغلب على قيود تصفية الاتجاه الكلاسيكية في التعامل مع البيانات المفقودة، وتقدير عدم اليقين، والكفاءة الحسابية.

Andrea Mascaretti, Daniel R. Kowal2026-08-26
📊 statistics

Handling mild outliers and unobserved values in compositional datasets using finite mixtures of mean-parametrised Dirichlet models

تقترح هذه الورقة نموذجاً محدداً من نماذج ديريكليه ذات المعلمات المتوسطة، قائماً على التوقع الأقصى والتقسيم المحدب، للتعامل بمتانة مع القيم المفقودة المتزامنة والقيم المتطرفة الطفيفة في البيانات التركيبية غير المتجانسة، مما يظهر أداءً فائقاً في التجميع وكشف القيم المتطرفة مقارنة بالأساليب التقليدية.

Jason Pillay, Andriëtte Bekker, Cristina Tortora, Antonio Punzo2026-08-26