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.TH
154 件の論文
Einstein from Noise: Statistical Analysis
本論文は、ノイズのみからテンプレート信号（アインシュタイン像など）に類似した構造が生成される「Einstein from noise」現象を統計的に解析し、そのメカニズムをフーリエ位相の収束と収束速度の特性によって理論的に解明するとともに、テンプレートマッチング技術における潜在的な落とし穴を明らかにしたものである。
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。
Palm distributions of superposed point processes for statistical inference
本論文は、独立な点過程の重ね合わせの Palm 分布を特徴づける単純な混合表現を導出するとともに、これを劣化点過程の最小距離推定やショットノイズ Cox 過程の尤度に基づく推論など、2 つの統計的応用に活用する手法を提案しています。
Improving Cramér-Rao Bound And Its Variants: An Extrinsic Geometry Perspective
この論文は、統計モデル多様体の平方根埋め込みに伴う第二基本形式に基づく曲率を考慮した補正を導入することで、非漸近領域におけるクラメール・ラオ限界およびその変種を幾何学的に精緻化し、より厳密な下限を提供する手法を提案しています。
Refining Cramér-Rao Bound With Multivariate Parameters: An Extrinsic Geometry Perspective
本論文は、ヒルベルト空間の平方根埋め込みを用いて非漸近領域における多変量パラメータのクラメール・ラオ限界を拡張し、モデル多様体の第二基本形式に基づく方向性曲率補正と半正定値計画法による行列レベルの保守的補正を導出することで、古典的なバタチャリヤ行列に基づく近似では捉えきれない曲率統計族の推定限界を幾何学的に忠実に記述する枠組みを提示しています。
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。
Robust Assortment Optimization from Observational Data
この論文は、顧客の選好変動やモデルの誤指定といった現実の課題に対処するため、分布のシフトを考慮した最悪ケース期待収益を最大化する頑健なアソートメント最適化の枠組みを提案し、その計算可能性と統計的効率性（特に「頑健なアイテム別カバレッジ」という新たなデータ要件の発見）を理論的に保証するものです。
Multidimensional Dickman distribution and operator selfdecomposability
本論文は、行列指数関数に基づくランダム行列を含むアフィン変換の不動点として定義された新しい多変量ディックマン分布を導き、その無限分解可能性と演算子自己分解可能性を証明するとともに、いくつかの極限分布としての現れ方を明らかにしている。
Functional Bias and Tangent-Space Geometry in Variational Inference
この論文は、変分推論における事後関数のバイアスを、変分族が誘起する接空間に対して関数が持つ直交成分によって幾何学的に記述し、構造化平均場近似において交差ブロック依存性の系統的歪みが、省略された相互作用方向に起因することを明らかにしています。
Shape-constrained density estimation with Wasserstein projection
本論文は、-Wasserstein 距離（特に ）を用いた射影法により、非増加密度や対数凹密度といった形状制約付きの非パラメトリック密度推定を凸最適化問題として定式化し、その構造的特徴と離散化手法を提案するとともに、最尤推定量との比較を行ったものである。
Kernel Debiased Plug-in Estimation based on the Universal Least Favorable Submodel
本論文は、効率的な影響関数の明示的な導出や評価を必要とせず、普遍的最も不利な部分モデルに基づく RKHS 上のデータ適応的バイアス補正フローを構築することで、非パラメトリックモデルにおける経路微分可能なパラメータの推定を半パラメトリック効率限界で達成する「ULFS-KDPE」と呼ばれる新しいカーネル偏倚補正プラグイン推定量を提案し、その理論的基盤と数値的安定性を示したものである。
Sequential learning theory for Markov genealogy processes
この論文は、フィルトレーションに基づく枠組みを導入し、配列データのみから潜在系統発生に関する推定値を改善できる限界を明らかにするとともに、学習・不一致・共分散成分への分解を通じて、マルコフ系統発生過程における分類群の追加が疫学動態推論に与える影響を理論的に解明するものである。
Second order asymptotics for the number of times an estimator is more than epsilon from its target value
この論文は、漸近相対効率が 1 である競合推定量を区別するための「漸近相対不足度」という概念を導入し、期待誤差回数の差の第二次漸近挙動を解析することで、分散推定における の補正が や よりも優れていることを示しています。
Uniform Lorden-type bounds for overshoot moments for standard exponential families: small drift and an exponential correction
この論文は、標準化された指数分布族からなる独立同分布な増分を持つランダムウォークにおいて、特にドリフトが小さい領域に焦点を当て、任意の閾値に対して一様に成り立つオーバーシュートのモーメントに対するロルデン型の上界と、その収束速度を示す指数関数的な補正項を導出するとともに、最適輸送の観点からの解釈を提供するものです。
Inhomogeneous Submatrix Detection
本論文は、ガウス行列内に複数の隠れた部分行列（平均または分散が不均一に変化する信号）を検出する問題において、行・列のインデックスが任意または連続であるという 2 つの配置条件下で、情報理論的な下限とそれを対数因子まで達成するアルゴリズムを提示し、統計的検出限界を明らかにするものである。
On the last time and the number of times an estimator is more than epsilon from its target value
この論文は、強一致推定量が真の値から以上離れる最後の時点と回数の分布をで導出する理論を構築し、パラメトリック・ノンパラメトリック両方の推定量の比較や逐次推定手法の構築に応用可能であることを示しています。
The exact region between Chatterjee's and Blest's rank correlations
この論文は、KKT 条件に基づく制約付き最適化問題を解くことで、あらゆる bivariate copula における Chatterjee の順位相関と Blest の順位相関の同時到達可能な領域を特定し、その境界を記述する新たな極値コピュラ族を導出した。
Nonparametric two-sample hypothesis testing for low-rank random graphs of differing sizes
異なるサイズの低ランク確率行列から生成された独立なエッジを持つネットワーク間の分布の同一性を検定するために、最適輸送を用いた回転後のグラフ埋め込みの最大平均不一致（MMD）に基づく非パラメトリックな二標本検定統計量を提案し、その一致性と収束性を示しています。
Nuisance Function Tuning and Sample Splitting for Optimally Estimating a Doubly Robust Functional
この論文は、因果推論や条件付き独立性検出の分野で応用される二重ロバスト関数の推定において、サンプル分割と nuisance 関数のチューニング戦略を適切に組み合わせることで、低正則性条件下でも plug-in 推定量や第一-order 補正推定量がすべての H ölder 滑らかさクラスに対して最小最大収束率を達成し得ることを示しています。