2409 पेपर
यह शोध पत्र मल्टी-डिस्ट्रीब्यूशन रोबस्ट कॉन्फॉर्मल प्रेडिक्शन के लिए एक मैक्स-पी (max-p) एग्रीगेशन स्कीम और एक संबद्ध लर्निंग एल्गोरिदम प्रस्तावित करता है जो हेट्रोजेनियस सोर्स डिस्ट्रीब्यूशंस में यूनिफॉर्म कवरेज की गारंटी देता है और नैइव (naive) दृष्टिकोणों की तुलना में प्रेडिक्शन सेट एफिशिएंसी में महत्वपूर्ण सुधार करता है।
यह शोध पत्र *betark* का परिचय देता है, जो सीमित परिणामों (bounded outcomes) के इंटरप्टेड टाइम सीरीज़ विश्लेषण के लिए ऑटोरेग्रेसिव त्रुटियों के साथ बीटा रिग्रेशन के संयुक्त अधिकतम संभावना अनुमान (joint maximum likelihood estimation) हेतु एक स्टेटा (Stata) कमांड है, और सिमुलेशन के माध्यम से यह प्रदर्शित करता है कि यह मानक क्वाज़ी-लाइक्लीहुड GLMs (HAC सुधारों के साथ) की तुलना में बेहतर-कैलिब्रेटेड अनुमान प्रदान करता है, विशेष रूप से अत्यधिक निरंतर ऑटोकोरिलेशन (highly persistent autocorrelation) वाले परिदृश्यों में।
यह शोध पत्र एक पूर्वाग्रह-सुधारित मल्टीप्लायर बूटस्ट्रैप प्रक्रिया प्रस्तावित करता है जो स्पेक्ट्रल एज उतार-चढ़ाव को एक गाऊसी पैमाने (Gaussian scale) तक नियमित करता है, जिससे उच्च-आयामी सहप्रसरण मैट्रिसेस (high-dimensional covariance matrices) के लिए नियत बल्क एज (deterministic bulk edge) हेतु वैध विश्वास अंतराल और विशिष्ट या बड़े स्पाइक्स की आवश्यकता के बिना स्पाइक्स की संख्या के लिए एक थ्रेशोल्ड-मुक्त अनुमानक का निर्माण संभव हो पाता है।
यह शोध पत्र मीन एब्सोल्यूट डिफरेंस ऑफ डिस्टेंसेस (MADD) क्लासिफायर का एक स्केलेबल संस्करण प्रस्तावित करता है जो प्रतिनिधि सेट चयन और रैंडम फूरियर फीचर्स का उपयोग करके बिग-डेटा वर्गीकरण के लिए कम्प्यूटेशनल जटिलता को काफी कम कर देता है, जिससे मूल पद्धति के तुलनीय प्रदर्शन को बनाए रखते हुए बड़े पैमाने के, उच्च-आयामी डेटासेट पर इसके अनुप्रयोग को सक्षम बनाया जा सके।
यह शोध पत्र कोवेरियन्स सेपरेबिलिटी (covariance separability) के लिए एक उच्च-आयामी परीक्षण प्रस्तावित करता है जो व्हिटनिंग (whitening) के बाद समस्या को स्फेरिसिटी टेस्ट (sphericity test) के रूप में पुनर्गठित करता है, जो मोंटे कार्लो सिमुलेशन के माध्यम से परिमित-नमूना अंशांकन (finite-sample calibration), सघन विकल्पों (dense alternatives) के तहत उच्च-आयामी निरंतरता, और वितरण संबंधी धारणाओं को कम करने के लिए एक सुदृढ़ कोणीय संस्करण (robust angular variant) प्रदान करता है।
यह शोध पत्र **weightflow** को प्रस्तुत करता है, जो एक डिपेंडेंसी-मुक्त (dependency-free) R पैकेज है जो एक tidymodels-शैली के API का उपयोग करके जटिल सर्वेक्षण वेटिंग (survey weighting) को एक एकल, ऑडिट करने योग्य और पुनरुत्पादनीय घोषणात्मक वर्कफ़्लो (declarative workflow) में सुव्यवस्थित करता है, जबकि अनूठे रूप से प्रत्येक समायोजन चरण की अनिश्चितता को मजबूत डिज़ाइन-आधारित अनुमान (design-based inference) के लिए रिप्लिकेट वेट्स (replicate weights) में प्रसारित करता है।
यह शोध पत्र एक डिज़ाइन-आधारित ढांचे का प्रस्ताव करता है जो सही ढंग से निर्दिष्ट एक्सपोज़र मापों से प्राप्त ऑर्थोगोनैलिटी (orthogonality) स्थितियों का लाभ उठाकर अर्ध-प्रयोगों (quasi-experiments) में स्पिलओवर प्रभावों का एक साथ परीक्षण और अनुमान लगाता है, जिससे सैद्धांतिक मार्गदर्शन पर निर्भर रहे बिना डेटा को उपचार एक्सपोज़र को मापने के लिए इष्टतम कार्यात्मक रूप और मापदंडों को निर्धारित करने की अनुमति मिलती है।
यह शोध पत्र प्रदर्शित करता है कि आश्रित सामूहिक जोखिम परिवेशों (dependent collective risk settings) में एकत्रित दावों (pooled claims) पर सीधे गंभीरता मॉडल (severity models) को फिट करने से आकार-पूर्वाग्रह (size-bias) के कारण असंगत अनुमान प्राप्त होते हैं, और एक सही प्रेक्षित-दावा वितरण (observed-claim distribution) पर आधारित एक सुसंगत संयुक्त संभावना अनुमान प्रक्रिया (composite likelihood estimation procedure) प्रस्तावित करता है, जिसके असमकालिक गुणों (asymptotic properties) को स्थापित करता है और सिमुलेशन के माध्यम से इसके प्रदर्शन को मान्य करता है।
यह शोध पत्र वास्तविक डेटा चित्रण और सिमुलेशन तुलनाओं के माध्यम से विशेष रूप से ओवरडिस्पर्शन (overdispersion) और पदानुक्रमित क्लस्टरिंग (hierarchical clustering) की चुनौतियों को संबोधित करते हुए, N-of-1 परीक्षणों में द्विपद परिणामों (binomial outcomes) को एकत्रित करने के लिए दो विश्लेषणात्मक रणनीतियों का प्रस्ताव और मूल्यांकन करता है।
यह शोधपत्र संतुलित मेट्रिक मैट्रिक्स के इष्टतम चयन को निर्देशित करने के लिए द्विघाती रूपों (quadratic forms) का उपयोग करके पुनर्रैंडमाइजेशन (rerandomization) के लिए एक एकीकृत सैद्धांतिक ढांचा स्थापित करता है, जो यह प्रदर्शित करता है कि सहचर आइजनस्ट्रक्चर (covariate eigenstructure) और परिणाम संबंध एस्टिमेटर की परिशुद्धता को कैसे प्रभावित करते हैं और साथ ही यूक्लिडियन दूरी (Euclidean distance) को एक मिनिमैक्स इष्टतम विकल्प के रूप में पहचानता है।