2447 पेपर
यह शोध पत्र महामारी के मॉडलों के डेटा-जनरेटिंग (डेटा-उत्पन्न करने वाले) और कॉज़ल (कारण संबंधी) व्याख्याओं के बीच अंतर करता है ताकि हस्तक्षेप प्रभावों का अनुमान लगाने के लिए कारण संबंधी अनुमान (कॉज़ल इन्फरेंस) का एक ढांचा स्थापित किया जा सके जो कन्फाउंडर्स (भ्रमित करने वाले कारकों) और समय-परिवर्तनीय मापों को ध्यान में रखता है।
यह शोध पत्र अनुमानित कंट्रोल वेरिएट फ्रेमवर्क के भीतर अपेक्षित सूचना लाभ (Expected Information Gain - EIG) के लिए एक निष्पक्ष, विचरण-न्यूनतम बहु-निष्ठा अनुमानक (multi-fidelity estimator - MF-EIG) प्रस्तुत करता है, जो उद्देश्य फलन को पुनर्रूपित करके अपेक्षाओं को डेटा मॉडल से अलग कर देता है, जिससे बेयसियन इष्टतम प्रयोगात्मक डिजाइन के लिए महत्वपूर्ण कम्प्यूटेशनल दक्षता और विचरण में कमी प्राप्त होती है।
यह शोध पत्र एक सिमुलेशन अध्ययन का उपयोग करके यह प्रदर्शित करता है कि मानक लीनियर मिक्स्ड मॉडल्स में वेरियंस हेटेरोजेनिटी (विचलन विषमता) की उपेक्षा करने से पक्षपाती अनुमान और खराब कवरेज प्राप्त होता है, जबकि यह भी दर्शाता है कि मिक्स्ड-इफेक्ट्स लोकेशन-स्केल मॉडल्स में, स्केल घटक का मिसस्पेसिफिकेशन लोकेशन अनुमानों को पक्षपाती नहीं बनाता है, हालांकि लोकेशन घटक का मिसस्पेसिफिकेशन स्केल अनुमानों को प्रभावित करता है।
यह शोध पत्र NExON-Bayes को प्रस्तुत करता है, जो एक बेयसियन जॉइंट गॉसियन ग्राफिकल मॉडल है जो विषम रोग सेटिंग्स में नेटवर्क अनुमान की सटीकता और व्याख्यात्मकता में सुधार करने के लिए नमूना-स्तरीय ऑर्डिनल सहचरों (sample-level ordinal covariates) का लाभ उठाता है, जिसे सिमुलेशन के माध्यम से मान्य किया गया है और स्तन कार्सिनोमा चरणों के माध्यम से प्रोटिओमिक नेटवर्क परिवर्तनों को प्रकट करने के लिए लागू किया गया है।
यह शोध पत्र डेटा विषमता (data heterogeneity) के तहत नमूना क्वांटाइल्स (sample quantiles) के न्यून साहिक प्रसरण (reduced asymptotic variance) के लिए एक नवीन, सुसंगत अनुमानक प्रस्तावित करता है, जो कि मानक i.i.d. मान्यताओं से प्राप्त अंतराल की तुलना में काफी छोटे और साहिक रूप से सही विश्वास अंतराल (asymptotically correct confidence intervals) के निर्माण को सक्षम बनाता है।
यह शोध पत्र -वैल्यू चार्टों का उपयोग करके सांख्यिकीय प्रक्रिया नियंत्रण के लिए एक वितरण-मुक्त (distribution-free) ढांचे को स्थापित करता है, सार्वभौमिक गलत अलार्म सीमाओं (false alarm bounds) को व्युत्पन्न करता है, आश्रित डेटा (dependent data) के लिए मर्जिंग-आधारित EWMA योजनाओं का प्रस्ताव करता है, और बहुभिन्नरूपी स्थानीयकरण (multivariate localization) के लिए एक मॉड्यूलर क्लोज्ड-टेस्टिंग दृष्टिकोण प्रस्तुत करता है।
यह शोध पत्र खंडित मीडिया (fractured media) के पुनर्निर्माण के लिए एक उत्तल अनुकूलन ढांचा (convex optimization framework) प्रस्तावित करता है जो विखंडित-समतलीय सतहों (piecewise-planar supports) पर SPDE-आधारित पूर्ववर्तीओं (priors) को कर्वलेट नियमितीकरण (curvelet regularization) और एनिसोट्रोपिक स्पर्सिटी (anisotropic sparsity) एवं कनेक्टिविटी-संचालित निरंतरता (connectivity-driven consistency) को लागू करने के लिए ट्रेस-ग्राफ कपलिंग के साथ जोड़ता है, जिसे ADMM के माध्यम से कुशलतापूर्वक हल किया जाता है।
यह शोध पत्र दो-चरणीय कारक स्कोर प्रतिगमन (two-stage factor score regression) के लिए एक जेनेरिक, रूट-n सुसंगत पूर्वाग्रह-सुधार ढांचे का प्रस्ताव करता है जो विशिष्ट कारक स्कोर प्रकारों या जटिल विश्लेषणात्मक व्युत्पत्तियों की आवश्यकता के बिना सटीक लेटेंट वेरिएबल मॉडलों के अनुमान को सक्षम बनाता है, और स्वर्ण-मानक एक-चरणीय अधिकतम संभावना अनुमानक (one-stage maximum likelihood estimator) के तुल्य प्रदर्शन करता है।
यह शोध पत्र सबसे बड़े आइजनवैल्यू (eigenvalue) पर आधारित गुगेनबर्गर, क्लीबरगेन और मावरोइडिस (2019) के क्रिटिकल वैल्यू के स्थान पर दूसरे सबसे छोटे आइजनवैल्यू पर आधारित क्रिटिकल वैल्यू का उपयोग करके कमजोर इंस्ट्रूमेंट्स के लिए एक अधिक शक्तिशाली सबवेक्टर एंडरसन-रुबिन टेस्ट प्रस्तावित करता है, जिससे सही साइज बनाए रखते हुए और अनुमानित क्रोनेकर प्रोडक्ट हेटरोस्केडास्टिसिटी (Kronecker product heteroskedasticity) वाले परिवेशों तक विस्तार करते हुए, उन स्थितियों में स्पष्ट रूप से उच्च शक्ति प्राप्त की जा सकती है जहाँ परीक्षण के अधीन नहीं किए गए मापदंडों की संख्या एक से अधिक है।
यह शोध पत्र BASTION को प्रस्तुत करता है, जो एक लचीला बेयसियन ढांचा (Bayesian framework) है जो समय श्रृंखला (time series) को रुझान (trend) और कई मौसमी घटकों में विशिष्ट रूप से पहचानता है और मजबूती से विघटित करता है, साथ ही अचानक परिवर्तनों, आउटलेर्स और समय-परिवर्तनीय अस्थिरता को प्रभावी ढंग से संभालते हुए मौजूदा विधियों की तुलना में बेहतर अनिश्चितता परिमाणीकरण (uncertainty quantification) प्रदान करता है।