441 件の論文
本論文は、希薄なコンバージョンデータや厳格なプライバシー制約がある状況下においても、増分的なローカル広告効果を正確に推定し予算を最適化するために、ペアエリア・ランダム化実験、セキュア集計、および階層ベイズ推論を用いた差分プライバシーを組み合わせた、プライバシー保護型の計算フレームワークを提示するものである。
本論文は、変形ワイブル分布のシャノンエントロピー公式における符号の誤りを修正し、適応型プログレッシブ型II型打ち切りサンプルにおけるパラメータおよびエントロピーを推定するための包括的な頻度論的およびベイズ的推論手法を開発し、シミュレーションと実データを通じて、特に小規模または高度に打ち切られたデータセットにおいて、ベイズ的アプローチが一般に最大尤度推定を上回ることを示している。
本研究は、79の教育制度における143,573人の恵まれない環境にある青少年を対象としたPISA 2022のデータに対し、設計一貫性および公平性監査済みの機械学習手法を用いることで、数学的自己効力感がSTEMレジリエンスの最も強力な普遍的予測因子であることを特定すると同時に、予測モデルが重大な転送可能性の限界と女子および農村部の生徒に対する系統的なバイアスを有していることを明らかにし、文脈依存的かつ公平なスクリーニング戦略の必要性を強調するものである。
本論文は、医学統計における線形結合モデルにグレブナー基底理論を適用することで、交絡関係を体系的に特定および一般化し、それによって疫学研究における因果効果推定の精度を高める手法を提案するものである。
本研究は、SEIDRモデルに最適制御理論と移動データを組み合わせ、コンゴ民主共和国における2026年のブンディブギョ・エボラ出血熱のアウトブレイクを分析しており、基本再生産数を1.83と特定し、保護行動への公衆の遵守率が58.12%であれば伝播を阻止できることを決定し、さらに、時変制御戦略によって流行期間を7ヶ月短縮できるとともに、隣接するアフリカ諸国、フランス、およびカナダへの国境を越えたスピルオーバーのリスクを大幅に低減できることを示している。
このモンテカルロ研究は、層化による周辺平均重み付け（MMWS）が、モデルの誤設定下において特に平方根平均二乗誤差を減少させることにより、時変多値処置に対して逆確率重み付け（IPTW）よりも一般的により安定かつ堅牢な代替案を提供することを示すが、ポジティビティの仮定が満たされない場合には依然としてバイアスや被覆率に苦慮する可能性がある。
本論文は、再帰定量化解析を利用することで、従来のグローバルな推定による限界を克服し、ターンレベルの言語的同期パターンを動的に捉え、会話におけるポジティブな感情的成果を予測する、新しい手法である再帰ベースの言語スタイル・マッチング（rbLSM）を導入するものである。
ロヒンギャ難民キャンプに関する公開データのこの再解析は、食料支援の形態が地理的要因や制度的要因によって強くパターン化されている一方で、公開されたデータセットにはプログラムの有効性に関する因果関係の主張を裏付けるために必要な設計および配分の詳細が欠けており、その有用性が記述的な再評価に限定されていることを明らかにしている。
本論文は、Cox-Ross-Rubinsteinモデルのデータで学習された人工ニューラルネットワークが、様々な種類のオプション価格の算出およびグリークスの計算において、高速かつ正確で汎用性の高いサロゲート（代理モデル）として機能し、リアルタイムのリスク管理やインプライド・ボラティリティ・サーフェスの構築における計算コストを大幅に削減できることを実証するものである。
本論文は、標準的な逆確率重み付け法を、因果効果推定のための2つのクラスタリング情報を活用した戦略と比較・評価しており、両方のクラスターベースのアプローチが欠落した共変量の誤設定に対する頑健性を向上させる一方で、バイアス、平均二乗誤差、および被覆率の観点におけるそれらの相対的な性能は、基礎となるサブグループ構造およびサンプルサイズに依存することを示している。