2446 ورقة بحثية
تقدم هذه الورقة إطار عمل الانحدار الرئيسي المساعد للمتغيرات المصاحبة متعدد المستويات (MCAP) لنمذجة مخرجات مصفوفة التغاير المتداخلة هرميًا، مثل الاتصال الوظيفي للدماغ، وذلك من خلال الاستفادة من الإسقاطات الخاصة بكل عنقود وتقدير الاحتمالية الهرمية للتفوق على أساليب المستوى الواحد والكشف عن أنماط إعادة التنظيم العصبي المرتبطة بالعمر والجنس في دراسة مشروع الكونكتوم البشري مدى الحياة.
تقترح هذه الورقة خوارزمية التوقع والتعظيم (EM) لتقدير معاملات توزيع كابا من خلال معاملة مقلوب درجة الحرارة كمتغير كامن يتبع توزيع غاما ضمن إطار إحصائي فائق، مما يتغلب على غياب بنية العائلة الأسية لتمكين الاستدلال عبر الاحتمال الأقصى القابل للحل تحليلياً.
تقدم هذه الورقة إطار عمل قائمًا على الشبكة ومستوحى من مجموعة إعادة التطبيع للنماذج الخطية المعممة المجزأة، والذي يوفر قابلية تفسير صريحة ومشاركة مهيكلة للمعلمات، مع استخدام تحليل النسخ (replica analysis) لاستخلاص إرشادات مبدئية لتصميم الشبكة وتدرج التنظيم للحفاظ على أداء التعميم.
تُثبت هذه الورقة أنه في حين يحقق التنبؤ المطابق المعياري صلاحية هامشية اسمية للتنبؤ بالمواقف تجاه الذكاء الاصطناعي في بيانات المسح المعقدة، فإنه يفشل في ضمان موثوقية المجموعات الفرعية، كما أن المعايرة الساذجة الخاصة بالمجموعات (الموندريانية) تفاقم المقايضة بين العدالة والكفاءة، مما يستلزم نهجاً أكثر قوة من مجرد الصلاحية الهامشية البسيطة أو الأساليب الخاصة بالمجموعات غير المنظمة.
تجسّر هذه الورقة الملحوظة التعليمية الفجوة بين التوبولوجيا التفاضلية والنظرية الإحصائية عبر إعادة صياغة الاعتلالات الإحصائية الكلاسيكية —مثل عدم القابلية للتمييز ومعلومات فيشر المنفردة— بوصفها تدهورات هندسية لخرائط السمات، مبرهنةً على أن نظرية التجاوز توفر إطاراً موحداً لفهم هذه المشكلات وحلها للطلاب المتقدمين.
من خلال تطبيق أساليب الاستدلال السببي على دراسة "فريمينغهام هارت ستادي"، تُثبت هذه الورقة أن حاسبات المخاطر الرصدية القياسية تبالغ في تقدير الفائدة المطلقة لخفض ضغط الدم على خطر الإصابة بأمراض القلب التاجية بنسبة تقارب 21.8% بسبب عوامل مربكة، مما يسلط الضوء على الحاجة الماسة للتمييز بين الاحتمالات الشرطية والآثار التدخلية في اتخاذ القرارات السريرية.
تقترح هذه الورقة استراتيجية استعيان قائمة على التصميم تُسمى UD-DML، والتي تعمل على بناء هيكل منخفض التباين (low-discrepancy skeleton) في فضاء متغيرات تساهمية مُدوّر بواسطة تحليل المكونات الرئيسية (PCA) لإنشاء عينة فرعية ممثلة ومتوازنة، مما يتيح استدلال التعلم الآلي المزدوج (Double Machine Learning) كفؤاً حاسبياً ومتيناً إحصائياً لتقدير متوسط آثار المعالجة على مجموعات البيانات الضخمة.
تقترح هذه الورقة نهجاً مرناً وفعالاً من الناحية الحسابية يتكون من خطوتين، يدمج تباين المؤشرات الحيوية الخاص بالموضوع والزمن في النماذج المشترة القياسية لتحسين التنبؤ بنتائج الوقت حتى وقوع الحدث، مما يثبت فعاليته من خلال عمليات المحاكاة والتطبيق على بيانات تجارب الورم الأرومي الدبقي.
تقترح هذه الورقة إطاراً قائماً على التصميم لدمج العينات غير الاحتمالية والاحتمالية من خلال معاملة الأولى كطبقة يقينية، مما يتيح تطوير مقدرات انحدار متسقة تظل غير منحازة دون الاعتماد على افتراضات "البيانات المفقودة عشوائياً" التي لا يمكن التحقق منها.
تقدم هذه الورقة انحدار المستوى الفائق (SLS)، وهو إطار عمل مبتكر يعمل على تحسين الحدود الهندسية لمناطق التنبؤ الشرطية ذات الحجم الأدنى بشكل مباشر من خلال حل الاقتران الضمني بين تقليل الحجم والكميات الشرطية للخطأ، مما يتجاوز الحاجة إلى التقدير الصريح للكثافة لالتقاط البنى المعقدة ومتعددة الأنماط.