2434 पेपर
यह शोधपत्र मल्टी-फिडेलिटी क्वांटाइल रिग्रेशन के लिए एक दो-चरणीय, मॉडल-अग्नोस्टिक पद्धति प्रस्तावित करता है जो एक स्थानीय क्वांटाइल लिंक और एक सुधार चरण के माध्यम से उनके संबंध को मॉडल करके हाई-फिडेलिटी कंडीशनल क्वांटाइल्स का अधिक सटीक अनुमान लगाने के लिए लो-फिडेलिटी डेटा का लाभ उठाता है, जो अंततः सिंथेटिक और वास्तविक दुनिया के प्रयोगों में बेहतर प्रदर्शन प्रदान करता है।
यह शोध पत्र एक मोंटे कार्लो सन्निकटन (Monte Carlo approximation) के माध्यम से कम जानकारी पर सशर्त होकर चेंजपॉइंट्स के लिए पोस्ट-सिलेक्शन इन्फरेंस की सांख्यिकीय शक्ति को बढ़ाने की एक विधि प्रस्तावित करता है, जो वैध p-मान प्रदान करता है और मौजूदा दृष्टिकोणों की तुलना में जीनोमिक डेटा में पता लगाए गए चेंजपॉइंट्स की संख्या में उल्लेखनीय वृद्धि करता है।
यह शोधपत्र विचरण (variance) में पता लगाए गए परिवर्तनों में अनिश्चितता को मापने के लिए वैध पोस्ट-सिलेक्शन p-मानों का निर्माण करने के दो सामान्य दृष्टिकोण प्रस्तुत करता है, जो चेंज-पॉइंट डिटेक्शन में डेटा के सहज दोहरे उपयोग से उत्पन्न होने वाले पूर्वाग्रह और एंटी-कंजर्वेटिव परिणामों को संबोधित करते हैं।
यह शोध पत्र एक बेयसियन पूर्वानुमान सामंजस्य मॉडल प्रस्तावित करता है जो इनवर्स-विशार्ट प्रायर का उपयोग करके कोवेरिएंस मैट्रिक्स अनुमान में अनिश्चितता को ध्यान में रखता है, जिसके परिणामस्वरूप एक मल्टीवेरिएट टी-डिस्ट्रीब्यूशन प्राप्त होता है जो मानक मिनिमम ट्रेस (MinT) दृष्टिकोण की तुलना में अधिक सटीक भविष्यवाणिय अंतराल प्रदान करता है।
यह शोध पत्र असमानता के दो ट्यूनेबल परिवारों, और को प्रस्तुत करता है, जो शास्त्रीय गिनी गुणांक (Gini coefficient) का सामान्यीकरण करते हैं, और उनके सैद्धांतिक गुण, क्लोज्ड-फॉर्म यू-सांख्यिकी अनुमानक (U-statistic estimators), तथा एक सिमुलेशन अध्ययन और अमेरिका में प्रति व्यक्ति सकल घरेलू उत्पाद (GDP per capita) के विश्लेषण के माध्यम से उनका अनुभवजन्य सत्यापन प्रदान करता है।
यह शोध पत्र सर्वेक्षण प्रयोगों में कोवेरिएट असंतुलन (covariate imbalance) को संबोधित करने के लिए एक स्तरीकृत रिजेक्टिव सैंपलिंग और रैंडमाइजेशन डिज़ाइन प्रस्तावित करता है, जो एक डिज़ाइन-आधारित एसिम्प्टोटिक सिद्धांत स्थापित करता है जो मौजूदा विधियों की तुलना में औसत उपचार प्रभाव (average treatment effect) के लिए बेहतर अनुमान दक्षता और अधिक केंद्रित सीमित वितरण प्रदर्शित करता है।
यह शोध पत्र एक बेयसियन मॉडलिंग फ्रेमवर्क पेश करता है जो अपूर्ण डेटा से सामान्यीकृत, बहु-आयामी संपर्क मैट्रिक्स (contact matrices) का अनुमान लगाने के लिए टेंसर संरचनाओं और आकस्मिक तालिका सिद्धांत (contingency table theory) का लाभ उठाता है, जो संक्रामक रोग महामारी विज्ञान के लिए एक सांख्यिकीय रूप से स्थिर समाधान प्रदान करता है जिसे एक ओपन-सोर्स पायथन पैकेज में कार्यान्वित किया गया है।
यह शोध पत्र कई विकेंद्रीकृत समूहों (decentralized collectives) से जुड़ी एल्गोरिद्मिक सामूहिक कार्रवाई (Algorithmic Collective Action) के लिए पहला व्यापक सांख्यिकीय ढांचा प्रस्तुत करता है, जो समूह के आकार और लक्ष्य संरेखण के आधार पर क्लासिफायर व्यवहार को प्रभावित करने में उनकी सफलता पर गणनीय सीमाएं (computable bounds) प्रदान करता है, और जलवायु अनुकूलन सिमुलेशन के माध्यम से इस दृष्टिकोण को मान्य करता है।
यह शोध पत्र "LLM-as-a-Judge" मूल्यांकनों में व्यवस्थित पूर्वाग्रहों और विश्वसनीयता संबंधी जोखिमों की पहचान करता है, विशेष रूप से मॉडल तुलनाओं के लिए साझा अंशांकन (shared calibration) का उपयोग करते समय, और साइन-रिवर्ज़ल त्रुटियों जैसे विफलता मोड का पता लगाने के लिए नैदानिक मेट्रिक्स ( और ) के साथ रिपोर्टिंग दिशानिर्देश प्रस्तावित करता है।
यह शोध पत्र तर्क देता है कि के-मीन्स क्लस्टरिंग (K-means clustering) सिम्युलेटेड और वास्तविक साइकोमेट्रिक डेटा दोनों में स्थिर और दृश्य रूप से सुसंगत उपसमूह पैटर्न उत्पन्न कर सकती है, भले ही कोई वास्तविक लेटेंट कैटेगोरिकल संरचना मौजूद न हो, क्योंकि यह एल्गोरिदम स्वाभाविक रूप से निरंतर गाऊसीан (Gaussian) स्थानों को ज्यामितीय रूप से सघन समूहों में विभाजित करता है।