2434 पेपर
यह शोधपत्र व्यक्तिगत स्तर पर वैक्सीन की प्रभावकारिता में कमी (वैक्सीन वैनिंग) का आकलन करने के लिए एक शक्तिशाली नए सांख्यिकीय परीक्षण का प्रस्ताव करता है जो कम धारणाओं की आवश्यकता रखकर और अधिक शक्ति प्रदान करके मौजूदा विधियों की सीमाओं को दूर करता है, और सफलतापूर्वक BNT162b2 COVID-19 वैक्सीन डेटा में वैनिंग का पता लगाता है जहाँ पिछले विश्लेषण विफल रहे थे।
यह शोध पत्र एक दो-चरणीय सत्यापन नमूनाकरण रणनीति का प्रस्ताव करता है जो कई त्रुटि-प्रवण सहचरों (covariates) में चरम मानों की पहचान करने के लिए मुख्य घटक विश्लेषण (principal component analysis) का उपयोग करता है, जिससे एकल मॉडल पर ध्यान केंद्रित करने की तुलना में बायोमेडिकल डेटाबेस में बहु-मॉडल अनुमान के लिए सांख्यिकीय दक्षता में सुधार होता है।
यह शोध पत्र कम भेदभावपूर्ण एल्गोरिदम खोजने के लिए फर्मों की कानूनी आवश्यकता को संबोधित करता है, जिसमें इस खोज को एक इष्टतम स्टॉपिंग समस्या (optimal stopping problem) के रूप में औपचारिक रूप दिया गया है और एक अनुकूलनशील एल्गोरिदम प्रस्तावित किया गया है जो यह प्रमाणित करने के लिए सांख्यिकीय गारंटी प्रदान करता है कि आगे का मॉडल पुनप्रशिक्षण (retraining), असमान प्रभाव (disparate impact) को कम करने में महत्वपूर्ण सुधार लाने की संभावना कम है।
यह शोध पत्र पृथक सहप्रसरण संरचनाओं (separable covariance structures) वाले बहुभिन्नरूपी कार्यात्मक डेटा (multivariate functional data) में एक मैट्रिक्स-वैरिएट मिनिमम कोवेरियेंस डिटरमिनेंट एस्टीमेटर और एक गणनात्मक रूप से कुशल शापली वैल्यू-आधारित अपवादता (outlyingness) अपघटन को जोड़कर, सुदृढ़ और व्याख्या योग्य आउटलेयर डिटेक्शन के लिए एक एकीकृत ढांचे का प्रस्ताव करता है।
यह शोध पत्र CASCADE को प्रस्तुत करता है, जो एक नवीन कॉन्फॉर्मल प्रेडिक्शन फ्रेमवर्क है जो पार्किंसंस रोग में लेवोडोपा डोज़ पूर्वानुमान के लिए प्रेडिक्शन इंटरवल्स को गतिशील रूप से स्केल करने हेतु मेडिकेशन-चेंज स्क्रीनिंग क्लासिफायर से एपिस्टेमिक अनसर्टेन्टी (ज्ञान संबंधी अनिश्चितता) को प्रसारित करता है, जिससे आश्वस्त मामलों के लिए संकीर्ण अंतराल प्राप्त करने के साथ-साथ अनिश्चित रोगियों के लिए सुदृढ़ कवरेज बनाए रखा जा सकता है।
यह शोध पत्र एक नवीन सिग्नल डिटेक्शन फ्रेमवर्क प्रस्तावित करता है जो बैकग्राउंड अनिश्चितता को ध्यान में रखने के लिए एक एकल "कंपनसेटर" (compensator) पैरामीटर का उपयोग करके पूर्ण बैकग्राउंड वितरण के अनुमान की आवश्यकता को दरकिनार करता है, जिससे अनुमान जटिलता सरल होती है और अनिश्चितता प्रसार में सुधार होता है।
यह शोध पत्र ग्रुप-अवेयर मैट्रिक्स एस्टिमेशन (GAME) प्रस्तुत करता है, जो एक उत्तल (convex) एस्टिमेटर है जो विषम मैट्रिक्स पूर्णता समस्याओं में उपसमूह-विशिष्ट लेटेंट संरचनाओं को पुनः प्राप्त करने के लिए ओवरलैपिंग न्यूक्लियर-नॉर्म दंडों का उपयोग करता है, जो विशेष रूप से संरचित मिसिंगनेस और विशिष्ट लो-रैंक ग्रुप वेरिएशन्स वाले परिदृश्यों में मानक विधियों की तुलना में बेहतर पुनर्निर्माण सटीकता और सबस्पेस फिडेलिटी प्रदर्शित करता है।
यह अध्ययन व्यापक सिमुलेशन और वास्तविक दुनिया के अनुप्रयोगों के माध्यम से यह प्रदर्शित करता है कि ऑगमेंटेड इनवर्स प्रोबेबिलिटी वेटिंग (AIPW), विशेष रूप से जब इसे प्रोपेंसिटी स्कोर अनुमान के लिए लचीले मशीन लर्निंग दृष्टिकोणों के साथ एकीकृत किया जाता है, मॉडल मिसस्पेसिफिकेशन (model misspecification) के तहत अवलोकन संबंधी अध्ययनों में सबसे सुदृढ़ और स्थिर कारण प्रभाव अनुमान प्रदान करता है।
यह शोध पत्र एक सहायक नमूने (auxiliary sample) के साथ रैंडम स्मूथिंग (random smoothing) का उपयोग करके स्थिर-अर्गोडिक (stationary-ergodic) निर्भर त्रुटियों के तहत रैखिक प्रतिगमन गुणांकों (linear regression coefficients) के लिए संयुक्त विश्वास क्षेत्रों (joint confidence regions) के निर्माण हेतु एक नवीन विधि प्रस्तावित करता है, जो स्पष्ट दीर्घकालिक विचरण अनुमान (long-run variance estimation) या पैरामीट्रिक निर्भरता मॉडलिंग की आवश्यकता के बिना, अनंत सामान्यता (asymptotic normality) और विश्वसनीय परिमित-नमूना प्रदर्शन प्राप्त करता है।
यह शोध पत्र एक परिमित-नमूना (finite-sample), वितरण-मुक्त (distribution-free) ढांचे को प्रस्तुत करता है जो कॉन्फॉर्मल इन्फरेंस में सभी संभावित रिजेक्शन थ्रेशोल्ड के लिए फॉल्स डिस्कवरी प्रोपोर्शन (false discovery proportion) पर एक साथ, उच्च-संभाव्यता वाले ऊपरी बाउंड (upper bounds) स्थापित करता है, जिससे लचीले पोस्ट हॉक चयन को सक्षम बनाया जा सके और मौजूदा विधियों की तुलना में अधिक कड़े गारंटियाँ प्रदान की जा सकें।