219 件の論文
この論文は、進行型多状態モデルにおける現在の状態データ（interval-censored data）を用いて、先行する状態の占拠に条件付けた状態進入時間の分布を推定するための、競合リスクの概念を応用した 2 つの新しいノンパラメトリック推定法を提案し、シミュレーションおよび乳がん患者データを用いた実証分析を通じてその有効性を検証したものである。
この論文は、打ち切り生存データに対して、指定された分位数に基づく打ち切り平均生存時間の最大化、および打ち切り平均生存時間を考慮した調整閾値を用いたバッファード生存確率の最大化という 2 つの頑健な基準を提案し、サンプリングに基づく差の凸アルゴリズムを開発して理論的裏付けとシミュレーション、AIDS 臨床試験データによる実証を行うことを目的としています。
この論文は、極値解析などの分野において、高忠実度データと低忠実度データを組み合わせてパラメトリックモデルを効率的に推定するための 3 つのマルチフィデリティ手法（同時最尤法、モーメント推定法、周辺最尤法）を提案し、極端な船舶運動の発生頻度の定量化への応用例を示すものである。
本論文は、ベッキア近似を用いたガウス過程の確率的・統計的性質を体系的に解析し、母数集合の選択基準を提案するとともに、非パラメトリック回帰モデルにおける事後分布の収束性が最適最小最大レートに達することを理論的に証明し、数値実験と C++ 実装でその有効性を示しています。
この論文は、小領域推定における経験的最良線形予測区間の被覆誤差が、標準化されたランダム効果のピボットの存在有無に依存し、ピボットが存在しない場合には既存のパラメトリック・ブートストラップ法では誤差の次数が にならないことを示し、その修正として提案されたダブル・パラメトリック・ブートストラップ法の有効性を理論的および数値的に検証したものである。
本論文では、大規模なネットワークデータにおけるモデル選択やパラメータ調整を効率的かつ高精度に行うため、重なり合う部分グラフを用いた新しい交差検証手法「NETCROP」を提案し、その理論的保証と数値的有効性を示しています。
この論文は、従来のメタ解析が非線形効果量において因果解釈に欠ける問題を指摘し、個体データなしで適用可能な新たな因果集約手法を提案するとともに、実データを用いた検証により、従来法が有害な治療を有益と誤って判断するケースが存在することを明らかにしています。
この論文は、適応型介入における治療変更の判断基準となる「調整変数」を、二次データ分析よりも因果推論に直結する最適化実験（例：SMART 設計）を用いて体系的に構築するための枠組みを提案し、その設計における課題と必要性を論じています。
この論文は、二つの分布の密度比を推定するための加法木モデルと「バランス損失」を提案し、これにより勾配ブースティングなどの教師あり学習アルゴリズムやベイズ推論による不確実性の定量化を可能にし、高次元データや生成モデルの品質評価などへの応用を示すものである。
この論文は、死亡や治療変更などの中間事象により従来法が困難となるランダム化比較試験において、事象発生前の最終観測時点での対照群と治療群を比較する「PLOT 推定量」を提案し、仮定を最小化しつつ頑健な治療効果を評価する新しい手法を開発・検証したものである。
本論文は、ワクチン試験におけるブラインディングの破綻によって生じる行動効果を考慮しつつ、従来の点識別を可能にする強い仮定を緩和し、感染リスクとワクチン受容信念の共通未測定交絡因子が存在する状況下で、線形計画法および単調性に基づくアプローチによりワクチン効果に対する非パラメトリックな因果境界を導出する手法を提案しています。
この論文は、気象や発電構成などの要因と電力価格の複雑な因果関係を捉え、真の因果構造を学習して時系列データに反事実的推論を可能にする「拡張時系列因果モデル（ATSCM）」を提案し、再生可能エネルギーの異なるシナリオ下での価格予測などの新たな分析を可能にすることを示しています。
この論文は、深生成モデルと構造的因果モデルを統合した時系列ニューラル因果モデル VAE（TNCM-VAE）を提案し、金融時系列データにおける因果関係と時間的依存性を維持しつつ、反事実的シナリオ分析やリスク評価を可能にする市場シミュレーターの開発を目指しています。
この論文は、リーダー・フォロワー相互作用に因果階層を組み込んだ逐次因果ゲームの理論的枠組みを提案するものの、シミュレーションを通じて合理的な後方帰納法では古典的なスタッケルベルグ均衡に対して福利の改善が全く見られず、因果的推論の利点が標準的な均衡概念では実現できないという重要な限界を明らかにしています。
本論文は、正負の両方のエッジを持つ有向ネットワークにおける強・弱のバランスを同時にモデル化し、識別可能性と漸近的一貫性を証明した符号付きブロックモデルを提案し、その有効性を数値実験と実データへの適用で示したものである。
この論文は、異なる環境間で最大リスクを最小化する（MaxRM）という原則に基づき、平均二乗誤差、負の報酬、後悔の 3 つのリスク指標に対応するランダムフォレストの新しい変種を提案し、その計算効率性、統計的整合性、および未見のテスト分布に対する保証を実証しています。
本論文は、プライバシー制約のある分散環境でも適用可能な制御変量法に基づく転移学習推定量を提案し、オフセット転移学習との理論的関係を初めて確立するとともに、離散観測に起因する滑らかさ誤差を考慮した収束率を導出することで、関数線形回帰の推定・予測性能を向上させることを示しています。
この論文は、LLM による生成テキストの検出を独立性の仮説検定問題として定式化し、e-過程に基づいた任意のタイミングで有効な保証を持つ統一的な検出枠組みを提案し、その検出力向上と理論的性質を実証的に示したものである。
この論文は、A 最適設計が逆 D 最適性のスケーリング項と固有値の分散に依存する無次元の球面度因子に分解されることを示し、D 最適性が同値でも係数分散や予測分散が異なる理由を解明するとともに、D 最適設計の選別や Kiefer のクラスへの統一的な視点を提供するものである。
この論文は、無知を素早く受け入れ確実性を遅く主張するという認識論的コミットメントを数学的に定式化し、エビデンスのみに基づくフィルタリングにおいて最悪ケースの認識的無知を最小化する「エプステミック・サポート・ポイント・フィルタ（ESPF）」が、ジェインズ流最大エントロピー原理とポパー流反証主義を統合した唯一の最適フィルタであることを証明し、そのガウス極限においてカルマンフィルタが回復されることを示しています。