2434 पेपर
यह शोध पत्र एक्सट्रीम स्ट्रक्चरल कॉज़ल मॉडल्स (XSCMs) का परिचय देता है, जो एक नया ढांचा है जो चरम मानों के बीच कारण संबंधी संबंधों को मॉडल करने के लिए ट्रांसफॉर्म्ड-लीनियर अलजेब्रा का उपयोग करता है, जिससे भारी-पूंछ (heavy-tailed) और टेल-डिपेंडेंट डेटा में अंतर्निहित कारण संरचनाओं की पहचान करने के लिए सेपरेशन-आधारित डिस्कवरी एल्गोरिदम का उपयोग करना सक्षम होता है।
DeepCausalMMM एक मार्केटिंग मिक्स मॉडलिंग के लिए एक डीप लर्निंग फ्रेमवर्क है जो टेम्पोरल डायनेमिक्स के लिए गेटेड रिकरेंट यूनिट्स (GRUs), चैनलों के बीच कॉज़ल स्ट्रक्चर लर्निंग के लिए डायरेक्टेड एसाइक्लिक ग्राफ्स (DAGs), और सैचुरेशन मॉडलिंग के लिए हिल इक्वेशन्स को एकीकृत करता है ताकि मार्केटिंग एट्रिब्यूशन और बजट ऑप्टिमाइज़ेशन के लिए अधिक सुदृढ़ और स्वचालित दृष्टिकोण प्रदान किया जा सके।
यह शोध पत्र नेस्टेड इंस्ट्रूमेंटल वेरिएबल विश्लेषण के लिए एक नवीन "पेयर-ऑफ-पेयर्स" डिज़ाइन-आधारित ढांचे को प्रस्तुत करता है ताकि "ऑलवेज-कम्प्लायर्स" और "स्विचर्स" के लिए विशिष्ट उपचार प्रभावों की पहचान और अनुमान लगाया जा सके, जो गैर-यादृच्छिक (नॉन-रैंडमाइज्ड) IV असाइनमेंट को ध्यान में रखने के लिए एक विधि प्रदान करता है और एक नैदानिक कैंसर स्क्रीनिंग परीक्षण में जटिल अनुपालन पैटर्न की व्याख्या करने के लिए इसे लागू करता है।
यह शोध पत्र नवीन "ब्रिजिंग" और क्रमिक भारित प्रतिगमन अनुमानकों को पेश करके कारण अपघटन विश्लेषण (कॉज़ल डीकंपोज़िशन एनालिसिस) में अनुमान संबंधी चुनौतियों का समाधान करता है जो घनत्व मॉडलिंग से बचते हैं या बहु-सुदृढ़ता प्रदान करते हैं, जबकि एक सिमुलेशन अध्ययन और उच्च रक्तचाप संबंधी असमानताओं के विश्लेषण के माध्यम से नैदानिक और अनुभवजन्य सत्यापन प्रदान करते हैं।
यह शोध पत्र उत्पाद डिज़ाइन के लिए "रिक्वायरमेंट-स्टीयर्ड इंटरफ़ेस टाइप इन्फरेंस" नामक एक नया ढांचा प्रस्तावित करता है, जो विशिष्ट कार्यात्मक लक्ष्यों को पूरा करने के लिए आवश्यक इष्टतम भौतिक इंटरफ़ेस (या "मार्कोव ब्लैंकेट") के गणितीय अनुमान के रूप में डिज़ाइन को देखने के लिए फ्री-एनर्जी प्रिंसिपल का उपयोग करता है, न कि मौजूदा वस्तुओं के अनुकूलन के रूप में।
यह शोध पत्र सभी-उपसमुच्चय मेटा-विश्लेषणों (all-subset meta-analyses) में ASSET p-मानों का सटीक अनुमान लगाने के लिए एक गणनात्मक रूप से कुशल महत्व-नमूनाकरण (importance-sampling) एल्गोरिदम प्रस्तुत करता है, जो यह प्रदर्शित करता है कि जबकि ASSET का विश्लेषणात्मक सन्निकटन सामान्यता (normality) के तहत बना रहता है, नई विधि विशेष रूप से चरम पूंछ (extreme tails) और सिंगल-सेल eQTL मैपिंग अनुप्रयोगों में सटीकता बनाए रखने के लिए आवश्यक है।
यह शोध पत्र भारित संचयी अवशिष्ट माथई-हौबोल्ड एंट्रॉपी (weighted cumulative residual Mathai–Haubold entropy) को प्रस्तुत करता है, इसके गणितीय गुणों, गतिशील संस्करणों और अभिलक्षण परिणामों को स्थापित करता है, साथ ही गुडनेस-ऑफ-फिट परीक्षण और वास्तविक दुनिया के डेटा अनुप्रयोगों के माध्यम से इसकी व्यावहारिक उपयोगिता का प्रदर्शन करता है।
यह शोध पत्र पुनर्रैंडमाइजेशन (rerandomization) के तहत उत्तरजीविता विश्लेषण (survival analysis) के लिए विषम सिद्धांत (asymptotic theory) को स्थापित करता है, जो यह सिद्ध करता है कि कपलान-मेयर (Kaplan-Meier) और आईपीसीडब्ल्यू (IPCW) अनुमानक कम भिन्नता वाले सुदृढ़ सीमित प्रक्रियाओं (tight limiting processes) की ओर अभिसरित होते हैं, जबकि यह प्रदर्शित करता है कि नेमन ऑर्थोगोनैलिटी (Neyman orthogonality) के कारण डिबायस्ड मशीन लर्निंग अनुमानकों की विषम भिन्नता (asymptotic variance) अपरिवर्तित रहती है।
यह शोध पत्र CMIP6 जलवायु मॉडल डेटा के आधार पर उच्च-तापमान चरम सीमाओं में मानवजनित प्रभाव (anthropogenic forcing) के स्थानिक योगदान को मापने के लिए एक लेटेंट गॉसियन स्थानिक मॉडल (latent Gaussian spatial model) और एक कुशल "मैक्स-एंड-स्मूथ" (Max-and-smooth) बेयसियन अनुमान तकनीक का उपयोग करते हुए एक नवीन कारण संबंधी अनुमान (causal inference) ढांचे का प्रस्ताव करता है।
यह शोध पत्र एक नए क्रॉस-वैलिडेशन फ्रेमवर्क का प्रस्ताव करता है जिसे जटिल सर्वेक्षण डिजाइनों के तहत छोटे क्षेत्र के अनुमानकों (small area estimators) की मजबूती से तुलना करने के लिए डिज़ाइन किया गया है, जो पहचान योग्य पूर्वाग्रह (identifiable bias) और अनपहचानी घटकों (unidentifiable components) को ध्यान में रखने के लिए वर्ग त्रुटि (squared error) को विभाजित करता है, जिससे पारंपरिक तरीकों द्वारा उत्पन्न होने वाली भ्रामक मॉडल रैंकिंग को रोका जा सके।