441 件の論文
本論文は、最も標準誤差が小さい多重代入分析を選択することは、不可欠な代入間分散を破棄し、代入内分散を人工的に過小評価させることで、信頼区間の被覆率を著しく低下させ、推定値にバイアスをもたらすことにより、統計的推論を系統的に無効化することを実証しており、これに対してルービンの統合規則は正しく較正を維持するものである。
6,730件の手動二重入力されたアンケートを対象としたこの研究は、このプロセスによって1,000件の入力につき約4件の誤りが防止されることを明らかにしているが、複雑な質問や経験の浅いデータ入力担当者の間ではエラー率が有意に高くなっている。
本論文は、ウォームアップ中に複数の並列チェーン間で勾配と位置の情報を集約することで、より安定した質量行列の推定値を構築する手法であるCollaborative NUTS（C-NUTS）を提案しており、これは標準的な単一チェーンの適応と比較して、特に中程度の次元の設定において、サンプリング効率と有効サンプルサイズを大幅に向上させる。
相互強化の数学的モデルと4万人の日本人研究者の実証分析を組み合わせることで、本研究は、キャリア初期の研究資金獲得が、数十年にわたって統計的に有意かつ拡大するパフォーマンスの格差を生み出すことを示しており、初期の才能を制御した場合でも、「マタイ効果」が科学的キャリアにおける長期的な階層化を駆動していることを裏付けている。
本論文は、不確実な実生活のシナリオにおける専門家の意見の受容レベルをより適切に捉えるために、新しい複素確率的ニュートロソフィック（CPN）集合を導入し、新たな加重平均および幾何学的集約演算子を提案し、自動車の選択に関するケーススタディと比較分析を通じて、対応する多基準意思決定フレームワークを検証するものである。
本論文は、階層的な計算モデルと縦断的データを統合することで、従来の二段階法と比較して行動プロセスの個別の変化をより正確に推定し、それによって精神病理の病因に関するより優れた洞察を提供する結合モデリング手法である「計算成長モデリング」を導入し、検証するものである。
本研究は、モデルによる国勢調査に依存しない人口推計値とザンビアの2022年国勢調査データを比較することにより、それらの正確性を検証しており、その結果、国家および地方レベルでの強い相関関係を見出すとともに、系統的な過大評価を低減するためには居住地の集落層別化の精緻化が極めて重要であることを特定している。
本論文は、従来のベイズ最大エントロピー法の計算上の制限を克服するために、Vecchia グラフ推論とガウス期待値および混合伝播を組み合わせたスケーラブルな手法である VISTA-BME を導入するものであり、これにより、正確な観測値とソフトな観測値の両方を含む大規模な環境データセットの効率的な処理を可能にしながら、高い精度を維持しつつ、メモリおよび時間のコストを大幅に削減する。
本研究は、合成検証コホートの拡大は条件付き適合率を向上させ得る一方で、ソースのリフィッティング（再適合）を適用して過剰なエラーを軽減しない限り、低リスクのクレームにおける誤認証率をしばしば上昇させるが、そのような補正には検出力のコストが伴い、固定された誤指定下でのバイアスを完全には排除できないことを示している。
本論文は、ベルヌーイ順方向事象を尤度コインへと変換するベルンシュタイン・ポアソン構成を利用することで、鋭い複雑性境界と関数値楕円問題の連続体実現を可能にし、モデルに依存しない事後分布サンプリングを実現する、逆問題のための厳密なベイズ計算フレームワークを導入するものである。