📊 Category

stat.ME

2426 पेपर

📊 statistics

Topological Effective Connectivity Modeling in Brain Networks

यह शोध पत्र एक नॉनपैरामीट्रिक, सूचना-सैद्धांतिक ढांचे को प्रस्तुत करता है जो मस्तिष्क नेटवर्क में फीड-फॉरवर्ड, फीडबैक और चक्रीय सूचना प्रवाहों को अलग करने के लिए डिस्क्रीट हॉज डिकम्पोजिशन (discrete Hodge decomposition) को लीड-लैग म्यूचुअल इंफॉर्मेशन (lead-lag mutual information) के साथ जोड़ता है, जिससे रॉडेंट स्ट्रोक मॉडल में देखे गए पदानुक्रमित प्रसार (hierarchical propagation) की ओर बदलाव जैसे स्थिति-विशिष्ट टोपोलॉजिकल परिवर्तनों का पता लगाना सक्षम होता है।

Anass El-Yaagoubi, Moo K. Chung, Hernando Ombao2026-06-09
📊 statistics

Nonparametric undirected graphical model selection using diffusion models

यह शोध पत्र डिफ्यूजन मॉडल्स पर आधारित अनडिरेक्टेड ग्राफिकल मॉडल चयन के लिए एक नवीन नॉनपैरामीट्रिक दृष्टिकोण प्रस्तुत करता है, जो इसकी सैद्धांतिक निरंतरता स्थापित करता है और सिमुलेशन एवं वास्तविक डेटा विश्लेषणों के माध्यम से इसकी प्रभावशीलता को प्रदर्शित करता है।

Hyeok Kyu Kwon, Myeonggu Kang, Minwoo Chae, Wanjie Wang2026-06-09
📊 statistics

A Transferability Criterion for Null-Optimized Variance Reduction in Cumulant-Based Error-Independence Testing

यह शोध पत्र एक बंद-रूप (closed-form) ऑर्थोगोनैलिटी मानदंड स्थापित करता है जो यह दर्शाता है कि जबकि शून्य-अनुकूलित विचरण न्यूनीकरण तकनीकें शून्य परिकल्पना के तहत परिकल्पना परीक्षण की दक्षता में सुधार कर सकती हैं, वे अक्सर वैकल्पिक परिकल्पना के तहत पूर्वाग्रह उत्पन्न करती हैं और शक्ति को कम करती हैं जब तक कि विशिष्ट निरंतरता शर्तें पूरी न हों, जैसा कि वीडरमैन-शी तीसरे क्रम के क्युमुलेन्ट परीक्षण में बहुपद-अधिकतमीकरण सुधारों की विफलता द्वारा स्पष्ट किया गया है।

Serhii Zabolotnii2026-06-09
📊 statistics

Model Selection for SLOPE Models: A Bayesian Perspective

यह शोध पत्र नए बेयसियन दृष्टिकोणों (BGSLOPE और BSGS) और एक टू-स्टेप ऑर्थोगोनल (TSO) रूपांतरण का प्रस्ताव करता है ताकि SLOPE मॉडलों को फॉल्स डिस्कवरी रेट को नियंत्रित करने और सामान्य स्थितियों के तहत बेहतर भविष्य कहनेवाला प्रदर्शन प्राप्त करने में सक्षम बनाया जा सके, जो मौजूदा क्रॉस-वैलिडेशन विधियों की सीमाओं को संबोधित करता है।

Fabio Feser, Marina Evangelou2026-06-09
📈 economics

AI-Assisted Variance Reduction in Randomized Experiments

यह शोध पत्र प्रदर्शित करता है कि मानक प्रतिगमन समायोजन (regression adjustment) में सहचरों (covariates) के रूप में AI-जनित भविष्यवाणियों को शामिल करना, एक "कोई नुकसान न पहुँचाने" (do no harm) की गारंटी के साथ यादृच्छिक प्रयोगों में प्रभावी रूप से भिन्नता (variance) को कम करता है, जो विविध अनुभवजन्य अनुप्रयोगों में मामूली लेकिन निरंतर दक्षता लाभ प्रदान करता है।

David Arbour, Eli Ben-Michael, Avi Feller, Apoorva Lal, Lo-Hua Yuan2026-06-09
📊 statistics

Backward Coherence and Hidden-State Stability in Recurrent Neural Networks: A Quasi-Reverse-Martingale Theory

यह शोध पत्र "बैकवर्ड कोहेरेंस" (backward coherence) पर आधारित रिकरेंट न्यूरल नेटवर्क के लिए एक सैद्धांतिक ढांचा प्रस्तुत करता है, जो यह सिद्ध करता है कि विशिष्ट परिस्थितियों में हिडन स्टेट्स (hidden states) लगभग-निश्चित अभिसरण (almost-sure convergence) और स्थिरता सुनिश्चित करने के लिए एक क्वासी-रिवर्स-मार्टिंगेल (quasi-reverse-martingale) बनाते हैं, जबकि सिमुलेशन और वास्तविक डेटासेट के माध्यम से यह प्रदर्शित करता है कि बैकवर्ड-कोहेरेंस रेगुलराइजेशन प्रतिनिधित्व स्थिरता को महत्वपूर्ण रूप से तेज करता है और कॉन्सेप्ट ड्रिफ्ट (concept drift) के तहत ट्रैकिंग प्रदर्शन में सुधार करता है।

Yuan-chin Ivan Chang2026-06-09
📊 statistics

Data augmented bootstrap: Unifying confidence interval construction by approximate invariance

यह शोध पत्र डेटा ऑगमेंटेड बूटस्ट्रैप (DAB) का प्रस्ताव करता है, जो एक एकीकृत ढांचा है जो परिमित-नमूना (finite-sample) और अनंत-नमूना (asymptotic) गारंटियों के बीच सेतु बनाने के लिए अनुमानित डेटा अपरिवर्तनीयताओं (data invariances) का लाभ उठाकर विश्वास अंतराल (confidence intervals) का निर्माण करता है, जिससे मशीन लर्निंग डेटा ऑग्मेंटेशन तकनीकों को कॉन्फॉर्मल प्रेडिक्शन और क्लासिकल बूटस्ट्रैप जैसे स्थापित सांख्यिकीय तरीकों के साथ एकीकृत किया जाता है।

Kevin Han Huang2026-06-09
💰 quantitative finance

Reverse Stress Testing for Multivariate Scenarios: A Conditional Framework for Stressed Time Series

यह शोध पत्र एक सशर्त रिवर्स स्ट्रेस टेस्टिंग फ्रेमवर्क प्रस्तावित करता है जो पैरामीट्रिक, सेमी-पैरामेट्रिक और नॉन-पैरामेट्रिक मान्यताओं के तहत कंडीशनल डेंसिटी को अधिकतम करके एक एकल एक्सोजेनस शॉक से सुसंगत मल्टीवेरिएट मार्केट परिदृश्यों का पुनर्निर्माण करता है, जिससे आर्थिक रूप से प्रशंसनीय स्ट्रेस्ड ट्रेजेक्टरीज उत्पन्न होती हैं जो मानक जोखिम-प्रतिफल विषमताओं (risk-reward asymmetries) को कैप्चर करती हैं।

Michele Sparviero, Lorenzo Viola2026-06-09
📊 statistics

Robust high-dimensional Bayesian regression with non-Gaussian errors under global--local shrinkage priors

यह शोध पत्र उच्च-आयामी बहुभिन्नरूपी प्रतिगमन (multivariate regression) के लिए एक सुदृढ़ बेयसियन ढांचे (Bayesian framework) को प्रस्तुत करता है जो स्केल-लोकेशन मिश्रण त्रुटियों (scale-location mixture errors) और हॉर्सशू+ (horseshoe+) प्रायिकताओं का उपयोग करता है ताकि स्पार्स गुणांक अनुमान (sparse coefficient estimation) और अवशिष्ट निर्भरता ग्राफ रिकवरी (residual dependence graph recovery) को एक साथ प्राप्त किया जा सके, जो सामान्यता (normality) के तहत दक्षता बनाए रखते हुए भारी पूंछ (heavy tails), आउटलेयर्स और विषमता (skewness) की उपस्थिति में गॉसियन विधियों की तुलना में बेहतर प्रदर्शन प्रदान करता है।

Mohammad Arashi2026-06-09
📊 statistics

Kling-Gupta linear regression

यह शोध पत्र क्लिंग-गुप्ता दक्षता (Kling-Gupta efficiency) को एक रैखिक प्रतिगमन ढांचे (linear regression framework) के भीतर एक सांख्यिकीय अनुमानक (statistical estimator) के रूप में औपचारिक रूप देता है, जो स्पष्ट सूत्र व्युत्पन्न करता है जो दिखाते हैं कि यह प्रतिक्रिया प्रसरण (response variance) को संरक्षित करने के लिए साधारण न्यूनतम वर्ग (ordinary least squares) गुणांकों को कैसे स्केल करता है और इसके अभिसरण गुणों (convergence properties) तथा नैश-सटक्लिफ दक्षता (Nash-Sutcliffe efficiency) को अधिकतम करने के साथ इसके अंतर्निहित समझौते (trade-off) को विश्लेषणात्मक रूप से सिद्ध करता है।

Hristos Tyralis, Georgia Papacharalampous2026-06-09