2447 पेपर
यह शोधपत्र टॉल डेटा (tall data) सेटिंग्स में सिमुलेशन-आधारित अनुमान (simulation-based inference) के लिए एक नया, तेज़ और अधिक स्थिर डिफ्यूजन-आधारित एल्गोरिदम प्रस्तावित करता है जो F-NPSE जैसे मौजूदा तरीकों के लिए आवश्यक लागतपूर्ण लैंग्विन डायनेमिक्स (Langevin dynamics) को समाप्त करता है और साथ ही उनके कंपोजिशनल लाभों को भी बनाए रखता है।
यह शोध पत्र सिमुल्टेनियस ग्राफिकल डायनेमिक लीनियर मॉडल्स (SGDLMs) के सिद्धांत और बेयसियन पद्धति की समीक्षा करता है, जो ग्राफिकल और फैक्टर मॉडल्स को जोड़ने के लिए नए ढांचे पेश करता है, संरचनात्मक अनिश्चितता और लुप्त डेटा (missing data) को संबोधित करता है, और उच्च-आयामी मैक्रोइकोनॉमिक टाइम सीरीज़ में स्केलेबल कॉज़ल विश्लेषण के लिए उनकी उपयोगिता को प्रदर्शित करता है।
यह शोध पत्र धारणाओं को स्पष्ट करने के लिए कारण आरेख (causal diagrams) का उपयोग करने और सभी संभावित पूर्वाग्रहों को एक साथ ठीक करने वाला एक एकल अनुमान प्राप्त करने की विधियों को विकसित करके, कारण अनुमान (causal inference) में कई पूर्वाग्रहों की पहचान करने और उनका विश्लेषण करने के लिए एक व्यवस्थित रोडमैप प्रस्तावित करता है।
यह शोध पत्र एक नए हाइब्रिड-हिल अनुमानक (hybrid-Hill estimator) का प्रस्ताव करता है जो ब्लॉक मैक्सिमा और पीक्स-ओवर-थ्रेशोल्ड दृष्टिकोणों के बीच सामंजस्य स्थापित करता है, जिससे एक एकीकृत अर्ध-पैरामीट्रिक ढांचा निर्मित होता है जो बड़े ब्लॉक आकारों की आवश्यकता के बिना अधिक कुशल और कम पक्षपाती चरम मान अनुमान (extreme value inference) प्रदान करता है।
यह शोध पत्र न्यूरल ऑपरेटर्स के लिए डिस्ट्रीब्यूशन-फ्री अनिश्चितता परिमाणीकरण (uncertainity quantification) प्रदान करने हेतु कॉन्फॉर्मल प्रेडिक्शन को अनंत-आयामी सोबोलेव स्पेस (infinite-dimensional Sobolev spaces) तक विस्तारित करता है, जिससे उन मजबूत इंजीनियरिंग डिजाइन कार्यों को तैयार करना सक्षम होता है जो मिसकैलिब्रेटेड सरोगेट मॉडल्स के कारण होने वाले उप-इष्टतमता (suboptimality) के जोखिम को कम करते हैं।
यह शोधपत्र एक एकीकृत बेयज़ियन ढांचे (Bayesian framework) के माध्यम से तीन ऐतिहासिक नैदानिक परीक्षणों का विश्लेषण करता है ताकि एडेप्टिव ट्रायल डिज़ाइन के लिए एक नई, गणनात्मक रूप से कुशल निर्णय-सैद्धांतिक विधि प्रस्तावित की जा सके जो नमूना आकार में कमी और सांख्यिकीय शक्ति के बीच के संतुलन को अनुकूलित करती है।
यह शोधपत्र स्टेप्ड-वेज डिजाइनों के लिए अनुमानकों (estimators) का एक नया वर्ग प्रस्तावित करता है जो लचीले सहचर समायोजन (covariate adjustment) के लिए मशीन लर्निंग को क्वाड्रेटिक इन्फरेंस फंक्शन्स के साथ जोड़कर परिशुद्धता को अधिकतम करता है, ताकि मॉडल मिसस्पेसिफिकेशन (model misspecification) के तहत भी सहसंबंध संरचनाओं को अनुकूल रूप से सीखा जा सके।
यह शोध पत्र द्विचर चरम मान सिद्धांत (bivariate extreme value theory) पर आधारित एक अर्ध-पैरामीट्रिक पद्धति प्रस्तावित करता है ताकि एसिम्प्टोटिक रूप से स्वतंत्र युग्मों के लिए कंडीशनल वैल्यू-एट-रिस्क (CoVaR) का सुसंगत और कुशल अनुमान लगाया जा सके, और सिमुलेशन एवं अमेरिकी स्टॉक रिटर्न डेटा के माध्यम से इसकी प्रभावशीलता को प्रदर्शित किया जा सके।
यह शोध पत्र "रिप्लर एल्गोरिदम" (Rippler algorithm) प्रस्तुत करता है, जो एक नवीन गैर-केंद्रित बेयसियन डेटा-ऑग्मेंटेशन एमसीएमसी (non-centred Bayesian data-augmentation MCMC) विधि है, जिसे उच्च-आयामी, असतत-मूल्य वाले स्टोकेस्टिक स्टेट-ट्रांजिशन मॉडलों में मापदंडों और अनपेक्षित रोग स्थितियों को अधिक कुशलता से अनुमानित करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र लुप्त डेटा (missing data) के ग्राफिकल मॉडल्स में चयन पूर्वाग्रह (selection bias) के प्रसार को संबोधित करने के लिए एक ट्री-आधारित पहचान एल्गोरिदम और एक संगत पुनरावर्ती व्युत्क्रम प्रायिकता भारण (recursive inverse probability weighting) प्रक्रिया प्रस्तावित करता है, जो पूर्ण डेटा वितरणों का अनुमान लगाने के लिए एक रचनात्मक तरीका प्रदान करता है।