AI-Generated Measurements for Identification and Inference with Missing Data: A Weak Shadow Variable Approach
Cet article propose un cadre d'identification partielle peu gourmand en hypothèses qui exploite des mesures générées par l'IA en tant que « variables d'ombre faibles » pour construire des bornes acérées et effectuer l'inférence sur des quantités de population sous des conditions de données manquantes non aléatoires, démontrant des améliorations significatives de la précision de l'estimation et de la précision des intervalles par rapport aux méthodes classiques dans des expériences semi-synthétiques.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.