222 件の論文
この論文は、完全または部分的に規則的なサンプリング設計で観測された関数データに対して、平均関数と個体ごとの偏差を同時にモデル化する多レベルガウス過程回帰を提案し、対数尤度と事後分布の解析的かつ効率的な式を導出することで、標準的な実装では処理が困難な大規模データセットの高速な推論を可能にすることを示しています。
この論文は、異なる環境からのデータが単一でも利用可能な場合、ピアソンリスクの不変性と条件付き尤度の最大化という 2 つの性質に基づき、一般化線形モデルにおける因果モデルを一意に同定し、R パッケージ「causalreg」で実装された新しい手法を提案するものである。
この論文は、大規模データセットにおけるベイズ推論の計算コストを削減するため、制御変量を用いて詳細釣り合いを満たす新しいメトロポリス・ヘイスティングス法を提案し、その有効性を理論および実証的に示したものである。
この論文は、多項回答データと個人レベルの共変量を扱い、多変量プロビットモデルを通じて順序属性間の相関を考慮する制限付き潜在クラスモデルを提案し、うつ病診断データへの適用を通じて単一因子アプローチを超えた潜在的な構造の特定にその有用性を示しています。
本論文は、内幾何学に基づく角度の二乗と曲がった分散行列を定義することで、トルoidalおよび球面データの平均方向における非パラメトリックな変化点検出を可能にする新たな枠組みを提案し、その統計的性質を理論的に証明するとともに、風向データやサイクロン「ビポルジョイ」の経路データへの適用を通じてその有効性を示しています。
この論文は、登録データや人口統計データからの転移学習を用いたベイズ死亡率モデルと柔軟な多ハザードモデルを組み合わせることで、非比例ハザードや交差する生存曲線にも対応し、安定かつ解釈可能な生存曲線の外挿と平均生存期間の推定を可能にする手法を提案し、乳がん、不整脈、悪性黒色腫の事例でその有効性を検証したものである。
この論文は、準反応系における非線形局所平均場近似を用いたハザード率の 1 次テイラー展開に基づく解析解を提案し、大時間間隔の観測データや生物学的な剛性に対処しながら、従来の手法よりも効率的かつ高精度に反応速度定数を推定するアルゴリズムを開発し、霊長類の細胞分化データへの適用性を示したものである。
ロボット群の監視を動機とした高次元ストリーミングデータにおける低ランク共分散構造変化のリアルタイム検出に向け、信号部分空間への射影エネルギーを追跡する「多ランク部分空間 CUSUM（MRS-C）」法を提案し、その漸近的最適性と実効性を理論的に証明するとともに、シミュレーションおよび実データによりその有効性を示しています。
ネットワークにおける因果推論の文脈で、政策決定の最適化と個体レベル効果の要約という両方の性質を満たす期待平均結果（期待平均アウトカム）という推定量が、従来の他の推定量よりも政策関連性において優位であることを論じています。
この論文は、効果的な治療への患者割り当てを最適化するレスポンス適応型ランダム化手法であるトンプソンサンプリングの変動性を抑制し、統計的推論の信頼性を向上させるため、対立仮説の事前確率を制御して等確率ランダム化とトンプソンサンプリングの中間的な振る舞いを実現する「仮説 Bayesian 応答適応型ランダム化」を提案し、R パッケージ「brar」を通じて実装したことを述べています。
この論文は、高次元線形回帰における負の転移を回避しつつ有益な情報源を自動的に選択・統合するベイズ推論フレームワーク「BLAST」を提案し、シミュレーションおよびがんゲノムデータを用いた実証研究を通じて、その予測精度と不確実性の定量化能力の優位性を示しています。
本論文は、3 次元以上の多次元パネルデータにおける非観測的交互固定効果を扱う線形回帰モデルを提案し、Bai (2009) の因子モデルに基づく推定と重み付き変換を組み合わせた Neyman 直交アプローチにより、パラメトリックな収束率と漸近正規性を持つ推定量を構築し、ビール需要の弾力性推定に応用している。
この論文は、環境科学や金融などの分野で多変量および空間的な極値リスクを評価する際に不可欠な統計手法の基礎を解説し、R パッケージ「ExtremalDep」を用いた実用的な分析手順と実世界への応用例を紹介するものである。
この論文は、2 段階逐次サンプリングに基づき、任意のパラメータに対して相対リスクやオッズ比（およびその対数）の推定誤差を目標値以下に保証しつつ、2 集団の平均サンプルサイズ比を制御可能な推定量を提案し、その効率性がクラメール・ラオ限界に近づくことを示したものである。
本論文は、因果推論における統計的落とし穴（例えば Simpson のパラドックスや選択バイアスなど）を LLM が克服できるかを厳密に評価するための新しいベンチマーク「CausalPitfalls」を提案し、その評価を通じて現在の LLM が統計的因果推論において重大な限界を抱えていることを明らかにしています。
この論文は、データに基づいてビンの数と位置を自動的に選択する完全ベイズ的な不規則ヒストグラム構築法を提案し、その推定値の一致性と収束速度の理論的保証、およびシミュレーションによる他の手法との同等の性能を実証しています。
この論文は、臨床試験における治療効果の不均一性を特定し、モデルの不確実性を考慮しながらサブグループ間の情報共有を自動的に調整する新しいベイズ階層型可変ランダム分割（BHARP）モデルを提案し、その有効性をシミュレーションおよび実データを用いて実証したものである。
本論文は、偏微分方程式（PDE）に基づく逆問題を確率的に解き、不確実性を定量化する新しい手法「B-ODIL」を提案し、合成ベンチマークおよび脳腫瘍の MRI 画像解析への応用を通じてその有効性を示したものである。
この論文は、線形最小二乗法において最大影響力を持つデータ部分集合の分布を厳密に導出・分析することで、その影響力が自然な変動を超えているかを統計的に検定する新たな枠組みを提案し、経済学や生物学などの分野における争点となっている知見の解決に貢献しています。
この論文は、e 値と e プロセスを用いたノンパラメトリック逐次フレームワークを提案し、依存性やモデル誤指定に頑健な任意の時点で有効な推論を可能にすることで、一般的なリスク測度（VaR や ES など）の相対的バックテストを強化する手法を開発したものである。