441 件の論文
本論文は、共変量制約付きクラスター無作為化のための近似サンプラーを評価するための全変動認証フレームワークを導入し、固定されたベンチマークおよび合成拡張を用いて、現在の量子および古典的近似がしばしば厳密なターゲットから大きく逸脱し、それによって無作為化検定における第一種の過誤率を膨張させ、p値を変化させることを実証する。
本論文は、対数密度をモデル化するためにペナルティ付きデータ駆動型Bスプラインを用いた、柔軟かつ計算効率の高い集団モード推定のためのフレームワークを提案し、理論的解析、シミュレーション、および実世界の応用を通じて、従来のカーネル法や固定ノットのスプライン法に対する優れた性能を実証するものである。
本論文は、複雑な調査ウェイト、階層的部分的プーリング、および不確実性キャリブレーションを統合し、予測システムにおけるグループ間の格差を正確に推定および認証するベイズ統計的な集団認識型公平性フレームワークを提案しており、シミュレーションと実世界のデータを通じて、調査設計を無視することが公平性に関する結論にバイアスをもたらすことを示している。
本論文は、クロスセクションにおけるETFリターン分布に対するワッサースタイン空間における適応的関数主成分解析（FPCA）予測フレームワークを提案し、強力なFPCA自己回帰アンカーと、選択された分位点残差補正またはグローバルなスコア動態のいずれかを組み合わせることで、標準的な手法や不安定な代替手法に対して、緩やかではあるが安定した改善が得られることを実証している。
本手法的研究は、CMS（Centers for Medicare & Medicaid Services）のメディケイド・マネージド・ケア加入者報告データの標準化を実現する柔軟なクリーニング・アルゴリズムを開発・検証し、それによって2016年から2021年における米国11州の市場集約傾向のより正確な長期的追跡を可能にするものである。
本論文は、西アフリカ16カ国における短期的な5歳未満児死亡率の動向予測において、死亡率の持続性を動的に推定し、モンテカルロ・シミュレーションを通じて堅牢性を示すことにより、様々な統計的および機械学習によるベンチマークを凌駕する適応型死亡率ドリフト（AMD）モデルを導入し、検証するものである。
FDAのMAUDEデータを用いたこの実証的研究は、広範な期間における正の不均衡シグナルはしばしば手法論的に不安定であり、デバイスの安全性に関する結論を導き出す前に、堅牢な報告パターンとアーティファクトを区別するための時間的、エンティティ・ラベル、および比較対象によるストレス・テストが必要であることを示している。
本論文は、空間構造、個人の移動性、および一般的な滞在時間分布を考慮することにより、相互に連結されたコンパートメント空間における感染症伝播を分析するために、閉鎖型マルコフモデルおよび開放型セミマルコフ集団モデルを用いた確率論的フレームワークを提案するものである。
このモンテカルロ研究は、AIによる執筆支援による向上が学習者の相対的な習熟度の順位を自動的に維持するわけではない一方で、生じる順位の逆転や選択の不安定性は支援メカニズムによって大きく異なり、弱点に特化した改善は、プロダクトのみのスコア校正では完全には補正できない大幅な順序エラーと選択精度の低下を引き起こすことを示している。
本論文は、ラベル付きの観測が一つであるガウス型インコンテキスト回帰において、未知のタスク幾何学を推定するための統計的コストが、ラベルのフィードバックなしに幾何学的アクションを選択する場合と比較して、異なり、かつ厳密に正であることを確立しており、これにより、参照データが増えるにつれて総リスクが減少する一方で、ラベルのフィードバックがベイズ近似後悔を低減させる上で独自の優位性を提供することを明らかにしている。