2434 पेपर
यह शोध पत्र बेयसियन डिरिचलेट ARMA मॉडलों में एक सेंटर्ड-इनोवेशन संशोधन प्रस्तुत करता है, जो मानक विनिर्देश के रूप में भविष्य कहनेवाला (प्रेडिक्टिवली) समान होने के बावजूद, प्रोडक्शन वर्कफ़्लो में पैथोलॉजिकल पोस्टीरियर ज्योमेट्री के कारण होने वाले हैमिल्टोनियन मोंटे कार्लो डायवर्जेंस को कम करके कम्प्यूटेशनल स्थिरता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र स्पार्स प्रोबिट रिग्रेशन (sparse probit regression) में बायेसियन वेरिएबल सिलेक्शन के लिए क्लोज्ड-फॉर्म अपडेट्स के साथ एक गणनात्मक रूप से कुशल मीन-फील्ड वेरिएशनल बायेस एल्गोरिदम प्रस्तावित करता है, जो एमसीएमसी (MCMC) का एक तेज़ और सटीक विकल्प प्रदान करता है और उच्च-आयामी सेटिंग्स में महत्वपूर्ण चरों की सफलतापूर्वक पहचान करता है।
यह शोध पत्र न्यूरल बैकवर्ड फ़िल्टरिंग फॉरवर्ड गाइडिंग (NBFFG) का प्रस्ताव करता है, जो एक एकीकृत वेरिएशनल ढांचा है जो एक प्रॉक्सी लीनियर-गॉसियन प्रक्रिया से प्राप्त क्लोज्ड-फॉर्म बैकवर्ड फ़िल्टर को एक न्यूरल रेसिडुअल के साथ जोड़ता है ताकि जटिल ट्री संरचनाओं पर नॉनलीनियर कंटीन्यूअस स्टोकेस्टिक प्रक्रियाओं के लिए कुशल, अनबायस्ड इन्फरेंस सक्षम किया जा सके, जैसा कि फाइलोजेनेटिक एंसेस्ट्रल रिकंस्ट्रक्शन में प्रदर्शित किया गया है।
यह शोध पत्र सिएरा लियोन और नाइजीरिया के डेटा का उपयोग करते हुए तकनीकी और सामाजिक पूरकता (complementarities) दोनों को समाहित करने वाले सामाजिक मानदंड चयन के एक मॉडल को विकसित और अनुमानित करता है, जो यह प्रकट करता है कि महिला जननांग विच्छेदन और बाल विवाह जैसे मानदंड मजबूत पूरकता प्रदर्शित करते हैं जबकि बहुपत्नी प्रथा और बाल विवाह प्रतिस्थापनशीलता (substitutability) दर्शाते हैं, जिससे प्रभावी कानूनी और सामाजिक नीति हस्तक्षेपों के डिजाइन को सूचित करने में मदद मिलती है।
यह शोध पत्र दो टार्गेटेड मैक्सिमम लाइक्लीहुड एस्टिमेटर्स (TMLE-PR और A-TMLE) का प्रस्ताव और सत्यापन करता है जो एक ही रैंडमाइज्ड कंट्रोल्ड ट्रायल के भीतर गैर-उपसमूह प्रतिभागियों के डेटा का लाभ उठाते हैं ताकि बिना किसी बाहरी पूर्वाग्रह के उपसमूह-विशिष्ट उपचार प्रभाव अनुमानों की सटीकता में महत्वपूर्ण सुधार किया जा सके, जैसा कि LEADER कार्डियोवैस्कुलर ट्रायल के सफल अनुप्रयोग द्वारा प्रदर्शित किया गया है।
यह शोध पत्र CORE-Cox प्रस्तुत करता है, जो एक संरचित ट्रांसफर लर्निंग फ्रेमवर्क है जो बड़े सोर्स कोहॉर्ट्स से लो-रैंक साझा पैटर्न का लाभ उठाता है और डेटा-दुर्लभ लक्ष्य आबादी में उत्तरजीविता जोखिम स्तरीकरण (survival risk stratification) में सुधार करने के लिए उन्हें नियमित अवशेषों (regularized residuals) के माध्यम से अनुकूलित करता है, जो UK बायोबैंक और MIMIC-IV डेटासेट में मौजूदा विधियों की तुलना में बेहतर भेदभाव और जोखिम संवर्धन प्रदर्शित करता है।
यह शोध पत्र यह प्रदर्शित करके स्कोर-संचालित मॉडलों (score-driven models) की एक बेयसियन व्याख्या स्थापित करता है कि ट्वीडी का सूत्र (Tweedie's formula) प्राकृतिक चरघातांकीय परिवारों (natural exponential families) में सशर्त स्कोर अपडेट को पश्च माध्य सुधारों (posterior mean corrections) से जोड़ता है, जिससे एम्पेरिकल बेयस, अनुमानित फ़िल्टरिंग और गतिशील सामान्य रैखिक मॉडलों का एकीकरण होता है तथा सटीक बेयसियन अपडेटिंग और स्थानीय स्कोर-आधारित सन्निकटन के बीच के संबंध को स्पष्ट किया जाता है।
यह शोध पत्र एक अर्ध-बेयसियन (quasi-Bayesian) स्थानीय प्रक्षेप इंस्ट्रूमेंटल-वेरिएबल्स विधि प्रस्तावित करता है जो सीमित नमूनों में अनुमान स्थिरता और निष्कर्षों में सुधार के लिए एक रफनेस-पेनल्टी प्रायर (roughness-penalty prior) के साथ GMM-आधारित अर्ध-पश्च (quasi-posterior) को जोड़ता है, जो सिमुलेशन और डेनिश बिजली बाजारों के एक अनुप्रयोग के माध्यम से अपनी प्रभावशीलता प्रदर्शित करता है।
यह शोध पत्र क्लस्टर्ड डेंटल डेटा में युग्मित टूथ-स्तरीय परिणामों के बीच मार्जिनल एसोसिएशंस का सटीक अनुमान लगाने के लिए भारित अनुमानकों (weighted estimators) और संबंधित अनुमान विधियों का प्रस्ताव करता है, जो विशेष रूप से सूचनात्मक क्लस्टर आकार और उपसमूह संरचनाओं के कारण होने वाले पूर्वाग्रहों को संबोधित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि सीमित संदर्भ नमूनों (finite reference samples) से प्राप्त अनुभवजन्य पी-मान (empirical p-values), प्रेरित निर्भरता और विचरण विरूपण (induced dependence and variance distortions) के कारण अपेक्षित समान वितरण (uniform distribution) से विचलित होते हैं, जिसके लिए संशोधित बैकटेस्टिंग अंशांकन विधियों की आवश्यकता है जो स्वतंत्र समान ड्रॉ के रूप में मानने के बजाय अंतर्निहित द्वि-चरणीय नमूनाकरण संरचना (two-stage sampling structure) को ध्यान में रखती हों।