2434 पेपर
यह शोध पत्र एंसेस्टर हॉक्स प्रोसेस (Ancestor Hawkes process) को प्रस्तुत करता है, जो एक नवीन मॉडल है जो ग्रुप चैट में मैसेजिंग कैस्केड को बेहतर ढंग से कैप्चर करने के लिए घटनाओं के प्रभाव को उनके मूल के आधार पर अलग करता है और केवल प्रेषक और टाइमस्टैम्प डेटा का विश्लेषण करके गोपनीयता बनाए रखता है।
यह शोध पत्र EstemPMM को प्रस्तुत करता है, जो एक R पैकेज है जो उच्च-क्रम के क्युमुलेट्स (higher-order cumulants) का लाभ उठाकर गैर-गाऊसी प्रतिगमन (non-Gaussian regression) और समय श्रृंखला मॉडलों के लिए साधारण न्यूनतम वर्ग (ordinary least squares) की तुलना में अधिक कुशल पैरामीटर अनुमान प्रदान करने के लिए बहुपद अधिकतमकरण पद्धति (Polynomial Maximization Method - PMM) को लागू करता है, जिसमें स्वचालित मॉडल चयन और व्यापक सांख्यिकीय इंटरफेस की विशेषताएँ शामिल हैं।
यह शोध पत्र मेट्रिक स्पेस में मनमाने रैंडम ऑब्जेक्ट्स को मॉडल करने के लिए एक नॉनलीन फ्रेचे-आधारित (Fréchet-based) रैंडम-इफेक्ट्स एल्गोरिदम प्रस्तावित करता है, जो एम-एस्टिमेशन थ्योरी (M-estimation theory) के माध्यम से इसकी निरंतरता स्थापित करता है और सिंथेटिक एवं डिजिटल स्वास्थ्य डेटासेट दोनों पर मौजूदा हिल्बर्ट स्पेस-आधारित विधियों की तुलना में इसके बेहतर प्रदर्शन को प्रदर्शित करता है।
यह शोध पत्र WBS-Lepage प्रस्तुत करता है, जो एक नॉनपैरामीट्रिक चेंज पॉइंट डिटेक्शन विधि है जो वाइल्ड बाइनरी सेगमेंटेशन को रैंक-आधारित लेपेज सांख्यिकी के साथ जोड़ती है ताकि बिना किसी पैरामीट्रिक मॉडल की आवश्यकता के स्थान (location) और स्केल (scale) दोनों में कई बदलावों को प्रभावी ढंग से पहचाना जा सके।
यह शोध पत्र अनिसोट्रोपिक (anisotropic) गॉसियन रैंडम फील्ड्स के लिए एक सुचारू, व्युत्क्रमणीय पैरामीट्राइजेशन प्रस्तुत करता है और सहसंबंध श्रेणियों (correlation ranges) एवं अनिसोट्रॉपी में अत्यधिक जटिलता को दंडित करके अर्थपूर्ण कोवेरियेंस संरचनाओं की ओर बेयसियन अनुमान (Bayesian inference) को प्रभावी ढंग से निर्देशित करने के लिए कमजोर रूप से सूचनात्मक पेनलाइज्ड कॉम्प्लेक्सिटी प्रायर्स (penalized complexity priors) का निर्माण करता है।
यह शोध पत्र RAMEN को प्रस्तुत करता है, जो एक ऐसा एल्गोरिदम है जो अंतर्निहित कारण ग्राफ (causal graph) के ज्ञान की आवश्यकता के बिना, डेटा विषमता (data heterogeneity) और अपरिवर्तनीयता (invariance) संबंधी धारणाओं का लाभ उठाकर, कई अवलोकनात्मक वातावरणों (observational environments) से उपचार प्रभावों (treatment effects) की 'डबली रोबस्ट' पहचान प्राप्त करता है।
यह शोध पत्र निरंतर परिणामों वाले स्प्लिट-प्लॉट फैक्टोरियल अनुदैर्ध्य क्लस्टर रैंडमाइज्ड परीक्षणों के लिए समर्पित नमूना आकार पद्धति प्रस्तुत करता है, जो विभिन्न अनुदैर्ध्य डिजाइनों, जैसे कि स्टेप्ड वेज या क्लस्टर रैंडमाइज्ड क्रॉसओवर के माध्यम से व्यक्तिगत-स्तर और क्लस्टर-स्तर के हस्तक्षेपों और उनके अंतर्संबंधों के संयुक्त मूल्यांकन को सक्षम बनाता है।
यह शोध पत्र जटिल पर्यावरणीय जोखिम मिश्रणों के स्वास्थ्य परिणामों पर प्रभाव का अनुमान लगाने के लिए मशीन लर्निंग का उपयोग करते हुए एक लचीले, गैर-पैरामीट्रिक कारण अनुमान ढांचे (nonparametric causal inference framework) का प्रस्ताव करता है, जिसका एक विशिष्ट अनुप्रयोग CHAMACOS कोहॉर्ट में अनुदैर्ध्य कीटनाशक जोखिम और उच्च रक्तचाप के जोखिम के संदर्भ में है।
यह शोध पत्र गामा जनरलाइज्ड लाप्लास वितरण के लिए एक द्विचर (bivariate) ढांचे को प्रस्तुत करता है जहाँ गामा मिश्रण चर (gamma mixing variable) का अवलोकन अधिकतम संभावना अनुमान (maximum likelihood estimation) को रैखिक प्रतिगमन (linear regression) में सरल बना देता है, जिससे संभावित रूप से सुपर-एफिशिएंट अभिसरण दरों वाले स्पष्ट अनुमानकर्ता प्राप्त होते हैं और स्टॉक रिटर्न एवं अस्थिरता के मॉडलिंग में व्यावहारिक प्रयोज्यता प्रदर्शित होती है।
यह शोध पत्र व्यक्ति-फिट सांख्यिकी (person-fit statistics) के लिए स्नाइडर्स (2001) के स्पर्शोन्मुख रूप से सही मानकीकरण (asymptotically correct standardization) का एक वैकल्पिक, सरल व्युत्पन्न प्रस्तुत करता है, जो पिछले सिमुलेशन निष्कर्षों के लिए एक अधिक सीधा सूत्र और सैद्धांतिक स्पष्टीकरण प्रदान करता है।