2312 件の論文
「統計 — 私」というカテゴリは、データが私たちの日常生活や自己理解にどう関わるかを探る研究を集めています。ここでは、複雑な数式や専門用語に頼らず、統計的手法がどのように人間の行動や社会現象を解き明かすかを、誰でも理解できる言葉で解説しています。
Gist.Science では、arXiv に投稿されたこの分野のすべての新しいプレプリントを網羅的に処理し、専門的な詳細な要約と、誰にでもわかる平易な解説の両方を提供しています。最新の知見を迅速に届けることで、科学の発展を共に享受できるよう努めています。
以下に、統計と私というテーマに関連する最新の論文リストを掲載します。
本論文は、離散的かつ不規則に間隔を置いた観測値から時間スケール化された不均一型フェーズタイプ分布のパラメータを推定するために、マルコフブリッジによるデータ拡張と解析的な更新を組み合わせた、計算効率の高い確率的期待値最大化（SEM）フレームワークを提案しており、制約付き非線形最適化を必要とせずに欠損データの問題に効果的に対処するものである。
本書は、楕円対称分布の下での高次元データ解析のための体系的な枠組みを提供し、現代の統計学的応用における重い裾や異質性に対処するために、空間符号、ランク、および形状に基づく尺度に基づいたロバストな推論手法を提示している。
本論文では、研究者が探索的因子分析モデルの実行、解釈、および比較をより効率的かつ効果的に行えるよう、インタラクティブな可視化と大規模言語モデルを統合した視覚的分析ワークスペースであるFactorFlowを紹介する。
本論文は、ペナルティ付き尤度法を用いてクラスター固有の回帰パラメータを同時に推定し、空間的に一貫した分割を生成する空間クラスター化フェイ・ヘリオット（SC-FH）フレームワークを提案しており、これにより、空間的に不均質な関係を持つ地域における農業指標の予測精度を、標準的なモデルと比較して向上させている。
本論文は、ガウス過程の学習における最大尤度推定（MLE）の脆弱性を調査し、基礎となる仮定が満たされない場合にMLEが不十分な汎化性能をもたらすことを実証するとともに、理論的根拠に基づいた実用的な解決策を提案しており、それらは下流のエンジニアリングタスクにおける精度、不確実性の定量化、および推論コストにおいて既存の手法を凌駕するものである。
本論文は、有限母集団における二値の潜在的結果を伴うランダム化実験において、ミニマックス最適戦略はベルヌーイ型ランダム化と非線形縮小推定量の組み合わせであり、それがという二次のリスク展開を達成すること、および完全ランダム化のような標準的な手法が第一次を超えた次数において劣であることを確立している。
本論文は、ドナルド・デイヴィドンの「根源的解釈」の哲学を適用することで、伝統的なベイズ主義的区別を批判し、統計モデリングは一貫性、慈愛、および三角測量の制約に支配された統一的な信念体系として捉えられるべきであると論じ、それによって、事前分布の引き出しやモデルの適合度確認といった慣習を、信念を共有された人間の理解や現実へと整合させる試みとして再定義するものである。
本論文は、個人の調査データ、集計された投票率の差、および国勢調査のカウントを選択補正とともに統合することで、人口統計学的サブグループにおける小地域投票率推定の精度を向上させる統一的なベイズ階層フレームワークを提案し、シミュレーションにおいてベンチマークを大幅に上回る成果を示し、2023年のエストニア選挙への適用において緩やかな改善を実証している。
本論文は、決定木を潜在クラス分析に統合することで、クラス所属への共変量効果をモデル化する新しい手法を提案しており、複雑な相互作用や誤設定に苦慮する従来のロジスティックモデルに代わる、解釈性の高い選択肢を提供するものである。
本論文は、縦断データおよび生存データを扱う3つのクラスのセミパラメトリック・ジョイントモデルに対して、計算量のスケーラブルな頻度論的推定および包括的な解析ツールを提供するために、期待値最大化フレームワーク内でカスタマイズされた線形走査アルゴリズムを活用した効率的なRパッケージであるFastJMを紹介するものである。