📊 statistics

Causal Inference with Multiple Misclassified Exposures: A Control Variate-Adjusted Calibration Weighting Approach

यह शोध पत्र कई गलत वर्गीकृत बाइनरी एक्सपोजर के साथ कारण अनुमान (causal inference) के लिए एक नवीन कंट्रोल वेरिएट-समायोजित अंशांकन भारण दृष्टिकोण प्रस्तावित करता है जो दोहरी सुदृढ़ता (double robustness) प्राप्त करता है और विचरण को कम करता है, जो सिमुलेशन और एक सिस्टिक फाइब्रोसिस कोहोर्ट अध्ययन के माध्यम से यह प्रदर्शित करता है कि गोल्ड-स्टैंडर्ड स्पुटम कल्चर की तुलना में अपूर्ण थ्रोट स्वैब पर निर्भर रहना जीवाणु संक्रमण के अनुमानित हानिकारक प्रभावों को महत्वपूर्ण रूप से कम कर देता है।

Nandini Murali, Keith Barnatchez, Jordana E. Hoppe, Brandie D. Wagner, Kayleigh P. Keller, Kevin P. Josey2026-06-23
📊 statistics

Statistical Proof as a Window into Human-AI Collaboration: Practical Insights and a Community Agenda

यह शोध पत्र सांख्यिकीय प्रमाण विकास का उपयोग यह प्रदर्शित करने के लिए करता है कि यद्यपि वर्तमान बड़े भाषा मॉडल विशिष्ट तकनीकी कार्यों को निष्पादित कर सकते हैं, वे मुक्त-अंत वाली तर्क प्रक्रिया (ओपन-एंडेड रीजनिंग) के लिए अविश्वसनीय बने हुए हैं, जिससे मानव विशेषज्ञों की भूमिका गहरे डोमेन विशेषज्ञता की आवश्यकता को कम करने के बजाय समस्या निर्माण और परिणाम सत्यापन की ओर स्थानांतरित हो जाती है।

Xiaojing Sun, Huayu Tang, Buxin Su, Mateo Matijasevick, Chong Wu, Fei Xue, Bingxin Zhao2026-06-23
📊 statistics

Flexible aggregation of compositional predictors with shared effects for microbiome association analysis

यह शोध पत्र BRACE को प्रस्तुत करता है, जो एक नवीन बेयसियन रिग्रेशन विधि है जो डेटा-अनुकूली क्लस्टरिंग और वेरिएबल सिलेक्शन करने के लिए इवेन्स एक्सचेंजबल पार्टीशन के साथ स्पाइक-एंड-क्लस्टर प्रायर का उपयोग करती है, जो माइक्रोबायोम डेटा की उच्च-आयामी, विरल (स्पार्स) और कंपोजिशनल चुनौतियों को प्रभावी ढंग से संबोधित करते हुए नैदानिक परिणामों पर साझा प्रभाव वाले माइक्रोबियल टैक्सों की पहचान करती है।

Satabdi Saha, Liangliang Zhang, Michele Guindani, Kim-Anh Do, Christine B. Peterson2026-06-19
💻 computer science

Clustering and Pruning in Causal Data Fusion

यह शोध पत्र मल्टी-सोर्स डेटा फ्यूजन में कॉज़ल ग्राफ्स की जटिलता को कम करने के लिए प्रीप्रोसेसिंग तकनीकों के रूप में प्रूनिंग (pruning) और क्लस्टरिंग (clustering) का प्रस्ताव करता है, जिसके अंतर्गत उन स्थितियों को व्युत्पन्न किया गया है जिनके तहत ये संचालन कॉज़ल आइडेंटिफिएबिलिटी (causal identifiability) को बनाए रखते हैं और जटिल मॉडलों के लिए आइडेंटिफाइंग फंक्शनल्स (identifying functionals) के निर्माण को सक्षम बनाते हैं।

Otto Tabell, Santtu Tikka, Juha Karvanen2026-06-19
📊 statistics

Environment-Adaptive Covariate Selection: Learning When to Use Spurious Correlations for Out-of-Distribution Prediction

यह शोध पत्र एक पर्यावरण-अनुकूलन योग्य कोवेरिएट चयन एल्गोरिदम प्रस्तावित करता है जो केवल आंशिक कारणत्मक माता-पिता (causal parents) देखे जाने पर आउट-ऑफ-डिस्ट्रीब्यूशन भविष्यवाणी में सुधार करने के लिए पर्यावरण-स्तर के हस्ताक्षरों के आधार पर कारणत्मक और छद्म विशेषताओं के बीच गतिशील रूप से चयन करता है।

Shuozhi Zuo, Yixin Wang2026-06-19
📊 statistics

Robust, partially alive particle Metropolis-Hastings via the Frankenfilter

यह शोध पत्र "फ्रेंकनफिल्टर" (Frankenfilter) को प्रस्तुत करता है, जो एक सुदृढ़, आंशिक रूप से जीवित (partially alive) पार्टिकल फ़िल्टर है जो निष्पक्ष लाइक्लीहुड अनुमान (likelihood estimates) उत्पन्न करने के लिए निश्चित सीमाओं के भीतर उपयोगकर्ता-निर्धारित सफल सिमुलेशनों की संख्या की गारंटी देता है, जिससे शून्य सशर्त लाइक्लीहुड वाले हिडन मार्कोव मॉडल में सूडो-मार्जनल मेट्रोपोलिस-हेस्टिंग्स एल्गोरिदम की दक्षता और स्थिरता में महत्वपूर्ण सुधार होता है।

Chris Sherlock, Andrew Golightly, Anthony Lee2026-06-19
📊 statistics

Zero-Shot Active Feature Acquisition via LLM-Elicitation

यह शोध पत्र एक ज़ीरो-शॉट एक्टिव फीचर एक्विज़िशन फ्रेमवर्क प्रस्तावित करता है जो मार्कोव रैंडम फील्ड के लिए विभेदक सांख्यिकी (डिस्क्रिमिनेटिव स्टैटिस्टिक्स) प्राप्त करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिसमें मॉडल्स की पूर्ण वर्ग प्रायिकताएं (क्लास प्रोबेबिलिटीज) प्रदान करने में अक्षमता को दूर करने के लिए मैक्सिमम-एन्ट्रॉपी क्लोजर का उपयोग किया गया है, जिससे इन्फ्लेमेटरी बाउल डिजीज निदान जैसे चुनौतीपूर्ण नैदानिक परिवेशों में मौजूदा विधियों से बेहतर प्रदर्शन किया गया है।

Binyamin Perets, Natalie Mendelson, Shiran Vainberg, Yehuda Chowers, Shai Shen-Orr, Shie Mannor2026-06-19
💻 computer science

Balanced Twins: Causal Inference on Time Series with Hidden Confounding

यह शोध पत्र एक ऐसे न्यूरल फ्रेमवर्क को प्रस्तुत करता है जो टाइम सीरीज़ डेटा में छिपे हुए कन्फाउंडिंग (hidden confounding) और स्टैगर्डेड इंटरवेंशन (staggered interventions) को संबोधित करने के लिए लेटेंट रिप्रेजेंटेशन और प्रोपेंसिटी स्कोर को सीखकर व्यक्तिगत उपचार प्रभावों (individual treatment effects) का अनुमान लगाता है, जिससे स्पष्ट टेम्पोरल मॉडलिंग धारणाओं पर निर्भर किए बिना सटीक औसत उपचार प्रभाव (average treatment effect) अनुमान सक्षम होता है।

Ouali Maha, Ghattas Badih, Flachaire Emmanuel, Charpentier Philippe, Bozzi Laurent2026-06-19
📊 statistics

Efficient Cumulative Incidence Estimation in Biobank Studies Using All Prevalent and Incident Events

यह शोध पत्र बायोबैंक अध्ययनों के लिए एक नवीन संचयी घटना फलन (cumulative incidence function) अनुमानक प्रस्तावित करता है जो प्रचलित और घटित होने वाले दोनों रोग मामलों को शामिल करके मौजूदा विधियों में सुधार करता है, जिससे प्रारंभिक अवस्था और दीर्घ जीवनकाल वाली बीमारियों के लिए सटीक घटना अनुमान सक्षम होता है, जैसा कि सैद्धांतिक विश्लेषण, सिमुलेशन और यूके बायोबैंक कैंसर डेटा के अनुप्रयोग के माध्यम से प्रदर्शित किया गया है।

David M. Zucker, Malka Gorfine2026-06-19
🤖 machine learning

Computational Identifiability

यह शोध पत्र "कंप्यूटेशनल आइडेंटिफिएबिलिटी" (computational identifiability) नामक एक ढांचे का प्रस्ताव करता है जो सैद्धांतिक, एसिम्प्टोटिक (asymptotic) पहचान से ध्यान हटाकर अनुभवजन्य अनुमानकों (empirical estimators) को खोजने की एक व्यावहारिक, परिमित खोज प्रक्रिया पर केंद्रित करता है, जिससे छोटे नमूनों, अस्पष्ट ग्राफों और मिश्रित डेटा प्रकारों वाले परिदृश्यों में पहचान संबंधी चुनौतियों का समाधान सक्षम होता है।

Lucius E. J. Bynum, Rajesh Ranganath, Kyunghyun Cho2026-06-19