Sketching stochastic valuation functions
本論文は、単調かつ部分加法的または部分モジュラーな確率的評価関数に対して、各アイテムの確率分布を のサポートサイズを持つ離散化分布で近似することで、任意のサイズ の部分集合に対して定数倍の近似を保証する効率的なスケッチ手法を提案し、最適化問題における価値オラクルの高速評価を可能にすることを示しています。
📊 Category
stat.ME
200 件の論文
Causal Effects in Matching Mechanisms with Strategically Reported Preferences
この論文は、戦略的な選好報告が因果推定を困難にする学校・大学への配分メカニズムにおいて、真の選好に依存する因果効果を特定し、鋭い境界値を導出する手法を提案し、チリの大学入試データを用いて卒業成功率に顕著な異質性があることを示しています。
Calibrated Generalized Bayesian Inference
この論文は、モデルの誤指定や近似、あるいは一般化（ギブス）事後分布の文脈において、既存のガウス近似や事後処理に依存せず、直感的で同じ情報を伝える代替事後分布を採用することで、正確な不確実性の定量化を実現する簡便な手法を提案し、その有効性を理論的に証明するとともに多様な事例で実証したものである。
Constructing Genetic Risk Scores: Robust Bayesian Approach through Projected Summary Statistics and Flexible Shrinkage
この論文は、異なるソースからの GWAS 要約統計量と連鎖不平衡データの統合に伴う事後分布の不適切性という課題を解決するため、要約統計量の投影手法と柔軟な縮小を可能にするベイズ橋事前分布を導入し、これらを組み合わせた新しい多遺伝子リスクスコア推定法「PRS-Bridge」を提案し、その優れた性能を実証しています。
Spectral Graph Filtering for Modality-Specific Representation Learning
本論文では、マルチモーダルデータから共有信号を減衰させモダリティ固有の潜在変数を抽出するためのスペクトルグラフフィルタリング手法「DELVE」を提案し、その理論的収束性と合成・実データによる有効性を検証しています。
Euclidean mirrors and first-order changepoints in network time series
この論文は、ネットワーク時系列の進化をユークリッド空間の曲線（ユークリッドミラー）として表現し、スペクトル推定を用いてグラフ分布の連続的な変化における変化点を特定する手法を提案し、その有効性をシミュレーションおよび実データ（オルガノイドネットワーク）で実証したものである。
Forecasting Causal Effects of Future Interventions: Confounding and Transportability Issues
本論文は、時変の交絡因子や効果修飾因子の存在下で、過去の観察データから将来の介入の因果効果を予測するための推定量を明確化し、非パラメトリックな識別公式（g-計算）と必要な構造的仮説を提示する理論的枠組みを構築するものである。
Persistence-Robust Break Detection in Predictive CoVaR Regressions
この論文は、自己正規化の原理に基づき、予測変数が定常か準定常かを問わず、予測量回帰およびシステムリスク（CoVaR）回帰における構造変化を検出できる頑健な検定手法を開発し、その有効性をシミュレーションと実証分析を通じて示しています。
Adaptive and Stratified Subsampling for High-Dimensional Robust Estimation
この論文は、有限分散の重尾ノイズ、ε-汚染、およびα-混合依存性を伴う高次元スパース回帰問題に対し、適応的インポートランスサンプリングと層別サンプリングという 2 つの手法を提案し、理論的な最適性を証明するとともに、デバイアス処理による信頼区間の構築や実データでの有効性を示したものである。
Empirical best prediction of poverty indicators via nested error regression with high dimensional parameters
この論文は、小地域貧困推定における計算効率と汎用性を向上させ、異質性を考慮した新しい階層誤差回帰モデルに基づく経験的最適予測法を提案し、アルバニアのデータを用いてその有効性を検証したものである。
A Restricted Latent Class Hidden Markov Model for Polytomous Responses, Polytomous Attributes, and Covariates: Identifiability and Application
この論文は、順序尺度の属性と共変量を伴う縦断データ向けに、識別可能性が証明された制約付き潜在クラス隠れマルコフモデルを提案し、シミュレーションおよび数学試験や感情状態のデータへの適用を通じてその有効性を示しています。
A Consequentialist Critique of Binary Classification Evaluation: Theory, Practice, and Tools
この論文は、機械学習のバイナリ分類評価における決定論的視点の重要性を説き、適切なスコアリング則（ブライアースコアなど）の活用を提唱するとともに、実務との乖離を埋めるための理論的枠組み、クリップド・ブライアースコアの導出、および実用的な Python パッケージ「briertools」の提供を通じて、臨床的有用性を含む評価手法の改善を提案しています。
Parallel computations for Metropolis Markov chains with Picard maps
この論文は、勾配情報に依存しないメトロポリス・マルコフ連鎖を、ピカールの写像に基づく並列アルゴリズムを用いて効率的にシミュレートする手法を開発し、高次元問題や勾配が利用できない実世界の問題におけるサンプリングの高速化を実現したことを述べています。
Using the rejection sampling for finding tests
rejection sampling に基づく新しい統計的検定法が提案され、任意の次元に適用可能で、従来の最強力検定と同等の検出力を持ちながら、グループ間の平均差や特定の平均ベクトル、母集団分布の適合性など多様な実証例でその有効性が示されています。
Conditional Copula models using loss-based Bayesian Additive Regression Trees
本論文は、過学習を抑制する損失ベースの事前分布と、複雑な尤度関数を扱える適応的可逆ジャンプ MCMC アルゴリズムを組み合わせたベイズ加性回帰木（BART）を用いた新しい半パラメトリック条件付コピュラモデルを提案し、その有効性を実データを用いて実証しています。
An AI-powered Bayesian Generative Modeling Approach for Arbitrary Conditional Inference
本論文は、任意の条件付き推論を可能にするため、単一の生成モデルを学習し事後予測区間による不確実性を定量化する「ベイズ生成モデル（BGM）」という新しい枠組みを提案し、その収束性と統計的整合性などの理論的保証を示したものです。
Central subspace data depth
この論文は、多変量データ解析において対称点ではなく対称部分空間に対して最大値をとる新しい「中心部分空間データ深度」の枠組みを提案し、その性質や漸近理論、次元削減との関連性を理論的に確立するとともに、不正検出への応用を通じてその有用性を示しています。
Efficient semiparametric estimation of marginal treatment effects with genetic instrumental variables
この論文は、遺伝的道具変数を用いた半パラメトリック推定において、効率的な影響関数を活用することで、非パラメトリックな傾向スコア推定に伴う標本不確実性を軽減し、アルコールの過剰摂取が血圧に及ぼす異質的な因果効果をより頑健に推定できることを示しています。
Estimation of heterogeneous principal effects under principal ignorability
この論文は、主無視仮定の下で二値の処置と中間変数を扱う場合の異質的主因果効果を推定・推測するための枠組みを提案し、二重頑健性やその中間的な頑健性を持つ複数の推定量を開発するとともに、非パラメトリックな滑らかさの条件や高次元設定における大標本理論を確立し、Camden Coalition のランダム化試験を用いた実証分析を通じてこれらの手法の有用性を示しています。
Uncertainty quantification for critical energy systems during compound extremes via BMW-GAM
本論文は、複数の気象変数が関与する複合極端事象における重要エネルギーシステムへの影響の不確実性を定量化するため、ベイズ一般化加法モデルとガウスコピュラを組み合わせた BMW-GAM 手法を提案し、Argonne 国立研究所の高解像度気象モデルデータを用いた分析を通じてその有効性を示したものである。