2390 पेपर
यह शोध पत्र विषमप्रसरण (heteroscedastic) आबादी में स्तरीकृत नमूनाकरण (stratified sampling) के लिए एक बेयसियन अनुकूल नमूना आवंटन पद्धति प्रस्तावित करता है जो पूर्ववर्ती बेयसियन डिजाइनों और पारंपरिक प्रतिस्थापन-आधारित दृष्टिकोणों की सीमाओं को दूर करता है, तथा सैद्धांतिक व्युत्पन्न और सार्वजनिक धर्मार्थ राजस्व डेटा के एक अनुभवजन्य अनुप्रयोग के माध्यम से उत्कृष्ट या तुलनीय प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र कोलमोगोरोव-स्मिरनोव (Kolmogorov-Smirnov), क्रेमर-वॉन मिसेस (Cramer-von Mises), और एंडरसन-डार्लिंग (Anderson-Darling) परीक्षणों का विस्तार करता है ताकि कारण अनुमान (causal inference) में सहचर संतुलन मूल्यांकन (covariate balance assessment) के लिए भारित डेटा (weighted data) को समाहित किया जा सके, और सिमुलेशन के माध्यम से यह प्रदर्शित करता है कि ये भारित संस्करण वैध टाइप I त्रुटि नियंत्रण (Type I error control) बनाए रखते हैं और विभिन्न विसंगति प्रकारों (discrepancy types) के विरुद्ध अपने संबंधित शक्ति लाभों (power advantages) को सुरक्षित रखते हैं, जिसमें एंडरसन-डार्लिंग परीक्षण को एक सुदृढ़ सामान्य-उद्देश्य डिफ़ॉल्ट के रूप में अनुशंसित किया गया है।
यह शोधपत्र AdaptICA का प्रस्ताव करता है, जो एक नवीन ढांचा है जो गैररेखीय रूप से पूर्व-प्रसंस्कृत संकेतों से गुप्त स्वतंत्र स्रोतों को पुनः प्राप्त करने के लिए डेटा-अनुकूल घटकवार रूपांतरणों और डिमिक्सिंग मैट्रिक्स को संयुक्त रूप से सीखता है, जबकि पहचान क्षमता (identifiability) और निरंतरता (consistency) पर कठोर सैद्धांतिक गारंटी प्रदान करता है।
यह शोध पत्र कारण संबंधी अनुमान (causal inference) के लिए एक ज्यामितीय ढांचे का प्रस्ताव करता है जो सीमांत हस्तक्षेपकारी स्कोर क्षेत्रों (marginal interventional score fields) के विचरण के माध्यम से कारण प्रभाव को परिभाषित करके प्रेक्षण संबंधी स्कोर ज्यामिति (observational score geometry) को हस्तक्षेपकारी परिवेशों तक विस्तारित करता है, जिससे यादृच्छिक परीक्षणों (randomized trials) और उपकरण चरों (instrumental variables) के लिए एक ज्यामितीय शब्दकोश स्थापित होता है और पर्ल की कारणता की सीढ़ी (Pearl's Ladder of Causation) के भीतर स्कोर-आधारित पहचान की सीमाओं को स्पष्ट किया जाता है।
यह शोध पत्र एलिप्टिकल रेगुलराइज्ड हॉटेलिंग (ERHT) प्रक्रिया का प्रस्ताव करता है, जो उच्च-आयामी, भारी-पूंछ वाले और क्रॉस-सेक्शनल रूप से निर्भर डेटा में स्थान परिवर्तनों का पता लगाने के लिए एक सुदृढ़ और अनुकूल विधि है, जो मल्टीपल चेंज-पॉइंट एस्टीमेशन के लिए सुसंगत सिद्ध हुई है और वित्तीय पोर्टफोलियो में संरचनात्मक परिवर्तनों की प्रभावी ढंग से पहचान करने के लिए प्रदर्शित की गई है।
R और Python के लिए **smartcor** पैकेज डेटा की विशेषताओं का पता लगाकर, सभी चर युग्म संयोजनों (variable pair combinations) में 14 विशिष्ट विधियों का समर्थन करके, और अपने चयन के लिए पारदर्शी तर्क प्रदान करके, मिश्रित प्रकार के चरों के लिए सांख्यिकीय रूप से उपयुक्त सहसंबंध या साहचर्य विधियों के चयन को स्वचालित करता है।
यह शोध पत्र एक टेम्पोरल कोहेरेंट फोरकास्ट कॉम्बिनेशन विधि प्रस्तावित करता है जो विभिन्न टेम्पोरल ग्रैनुलैरिटीज़ के बीच इनकोहेरेंस को एक साथ हल करती है और न्यूनतम-वैरिएंस, अनबायस्ड डे-अहेड इलेक्ट्रिसिटी प्राइस फोरकास्ट उत्पन्न करने के लिए कई प्रतिस्पर्धी मॉडलों की शक्तियों का लाभ उठाती है, जो जर्मन और स्पेनिश बाजारों में मौजूदा दृष्टिकोणों से काफी बेहतर प्रदर्शन करते हैं।
यह शोध पत्र योगात्मक और गुणात्मक शोर (additive and multiplicative noise) तथा सेंसर डेटा (censored data) से जुड़ी जटिल गैर-रेखीय व्युत्क्रम समस्याओं (non-linear inverse problems) को हल करने के लिए एक कुशल एमसीएमसी (MCMC) एल्गोरिदम के साथ संयुक्त एक सामान्य पदानुक्रमित बेयस मॉडल (hierarchical Bayesian model) प्रस्तावित करता है, जो हाइपरपैरामीटर अंशांकन (hyperparameter calibration) की आवश्यकता के बिना मौजूदा अनुमानित विधियों की तुलना में बेहतर भविष्य कहनेवाला प्रदर्शन और कम्प्यूटेशनल दक्षता प्रदर्शित करता है।
यह शोध पत्र एक उच्च-एन्ट्रॉपी विभेदक गोपनीयता (high-entropy differential privacy) कार्यान्वयन का प्रस्ताव करता है जो अनिवार्य रैखिक एकत्रीकरण अपरिवर्तों (जैसे कि अवस्था कुल) को लगभग निश्चितता के साथ संतुष्ट करता है, जबकि नई गोपनीयता गारंटी प्राप्त करता है और सहसंबंध मैट्रिसेस (correlation matrices) के नल स्पेस (null space) के संबंध में सैद्धांतिक प्रश्नों का समाधान करता है।
यह शोधपत्र अर्ध-प्राचलिक अनुमान (semiparametric inference) के लिए बूटस्ट्रैप के एक गणनात्मक रूप से कुशल और सैद्धांतिक रूप से न्यायसंगत विकल्प के रूप में V-फोल्ड जैकनाइफ (V-fold jackknife) को प्रस्तुत करता है, जो प्रभाव फलन (influence function) के व्युत्पन्न की आवश्यकता के बिना मानक और सामान्यीकृत स्पर्शोन्मुखी रैखिक (asymptotically linear) दोनों अनुमानकों के लिए विश्वास अंतराल (confidence intervals) और समवर्ती बैंड (simultaneous bands) के निर्माण हेतु इसकी वैधता स्थापित करता है।