Geodesic slice sampling on the sphere
이 논문은 구면 (sphere) 상의 확률 분포를 효율적으로 표본 추출하기 위해 조정 파라미터가 필요 없는 축소 기반 및 이상적인 측지선 슬라이드 샘플링 알고리즘을 제안하고, 그 역전성, 균일한 에르고드성, 그리고 기존 방법론 대비 우수한 성능을 수치 실험을 통해 입증합니다.
🔢 Category
math.ST
161 편의 논문
High-dimensional bootstrap and asymptotic expansion
이 논문은 고차원 맥락에서 공분산 행렬의 구조에 따라 제 3 모멘트 일치 와일드 부트스트랩이나 더블 와일드 부트스트랩이 학생화 없이도 2 차 정확도를 달성할 수 있음을 보여주는 점근적 전개 공식을 개발하여, 기존 이론으로 설명되지 않았던 고차원에서의 부트스트랩 성능 향상을 이론적으로 규명합니다.
Distributional stability of sparse inverse covariance matrix estimators
이 논문은 오염된 데이터를 포함한 서로 다른 분포 하에서 희소 정밀도 행렬 추정치 간의 거리를 칸토로비치 거리로 측정하여 명시적인 국소 리프시츠 상한을 유도하고, 이를 공분산 행렬 및 고유값 추정치에 확장하여 적용 사례와 수치 실험을 제시합니다.
Adaptive Transfer Clustering: A Unified Framework
이 논문은 주 데이터와 보조 데이터 간의 잠재적 군집 구조 차이를 자동으로 보정하여 편향 - 분산 최적화를 통해 전이 학습 기반 군집화의 효율성을 극대화하는 '적응형 전이 군집화 (ATC)' 프레임워크를 제안하고, 가우시안 혼합 모델 하에서의 이론적 최적성과 다양한 실험을 통한 유효성을 입증합니다.
Doubly-Robust Functional Average Treatment Effect Estimation
이 논문은 관측 연구에서 함수형 결과를 위한 이중 강건성 (double robustness) 을 갖춘 새로운 방법론인 DR-FoS 를 제안하여, 결과 또는 처치 할당 모델 중 하나가 오설정되더라도 일관된 함수형 평균 처치 효과 (FATE) 추정이 가능하고 전체 함수 영역에 걸쳐 유효한 동시 신뢰대를 보장함을 보여줍니다.
Fast confidence bounds for the false discovery proportion over a path of hypotheses
이 논문은 Durand 등 (2020) 의 숲 구조를 기반으로 하는 가설 경로에 대한 거짓 발견 비율 (FDP) 의 사후 상한선을 기존 에서 으로 줄여 빠르게 계산할 수 있는 새로운 알고리즘을 제안합니다.
GMM and M Estimation under Network Dependence
이 논문은 네트워크 의존 데이터를 위한 GMM 및 M 추정량의 일관성과 점근적 정규성을 확립하기 위해 새로운 균일 대수의 법칙 (ULLN) 을 개발하고 실증적 추론 절차를 제시합니다.
The Poisson tensor completion parametric estimator
이 논문은 다변량 분포의 빈도 히스토그램을 공간 비균질 포아송 과정으로 간주하여 저랭크 포아송 텐서 분해를 통해 빈도수가 적거나 없는 빈까지 평균 측도를 완성하는 새로운 '포아송 텐서 완성 (PTC)' 추정자를 제안하고, 이는 노름 집중 현상으로 인해 기존 히스토그램 기반 추정자보다 서가우시안 확률 분포에서 훨씬 우수한 성능을 보인다고 주장합니다.
Correlation of divergency: c-delta. Being different in a similar way or not
이 논문은 두 그룹 내의 값들이 서로 어떻게 다른지 그 패턴의 유사성을 정량화하기 위해 기존 상관관계 계수와 구별되는 새로운 통계 지표인 'c-delta(발산 상관 계수)'를 제안하고 그 수학적 형식과 다양한 적용 가능성을 논의합니다.
Sigmoid-FTRL: Design-Based Adaptive Neyman Allocation for AIPW Estimators
이 논문은 AIPW 추정량을 위한 비볼록 최적화 문제를 해결하기 위해 시그모이드-FTRL 알고리즘을 제안하고, 네이먼 후회 (Neyman Regret) 의 최소최대 수렴 속도를 증명하며 점근적으로 유효한 신뢰구간을 구성하는 방법을 제시합니다.
Non-standard analysis for coherent risk estimation: hyperfinite representations, discrete Kusuoka formulae, and plug-in asymptotics
이 논문은 비표준 분석 기법을 활용하여 일관성 위험 측정도와 그 유한 표본 추정량을 하이퍼유한 표현과 이산 쿠수오카 공식으로 재해석하고, 이를 통해 플러그인 추정량의 점근적 성질과 부트스트랩 유효성을 체계적으로 증명하는 새로운 프레임워크를 제시합니다.
Covariate-Adaptive Randomization in Clinical Trials without Inflated Variances
이 논문은 지정된 공변량을 균형 있게 배분하면서도 지정되지 않은 공변량의 불균형 분산이 단순 무작위 배정보다 커지지 않는 새로운 공변량 적응형 무작위 배정 절차를 제안하여, 기존 방법의 분산 팽창 문제와 '이동 문제 (shift problem)'를 해결합니다.
Order-Induced Variance in the Moving-Range Sigma Estimator: A Total-Variance Decomposition
이 논문은 이동범위 (MR) 를 이용한 시그마 추정량이 데이터 순서에 의존한다는 점을 규명하고, 총분산을 값의 분산과 인접성 분산으로 분해하여 정규 분포 하에서 인접성 효과가 추정 효율 손실의 주된 원인임을 증명합니다.
Scalable multitask Gaussian processes for complex mechanical systems with functional covariates
이 논문은 시간적 또는 공간적 프로필 형태의 함수형 공변량과 다중 상관 작업을 동시에 처리할 수 있는 확장 가능한 다작업 가우시안 프로세스 모델을 제안하여, 리벳 조립체와 같은 복잡한 기계 시스템에서 적은 샘플로도 정확한 예측과 불확실성 정량을 가능하게 함을 보여줍니다.
A Thermodynamic Structure of Asymptotic Inference
이 논문은 표본 크기와 모수 분산을 상태 공간으로 정의하고 섀넌 정보를 엔트로피로 간주하는 열역학적 프레임워크를 제시하여 점근적 추론을 설명하고, 가우스 극한에서 de Bruijn 항등식과 I-MMSE 관계를 이 구조의 좌표 사영으로 통합하며, 추론 물리학과 앙상블 물리학이 통합된 열역학적 기술 내에서 서로 반대 방향으로 진화하는 그림자 과정임을 시사합니다.
Minimax convergence rates of a binary plug-in type classification procedure for time-homogeneous SDE paths under low-noise conditions
이 논문은 시간-동질적 SDE 경로에 대한 이진 플러그인 분류 절차의 최소최대 수렴 속도를 연구하여, 저잡음 조건과 홀더 공간에서 지수 부등식을 통해 더 빠른 수렴 속도를 증명하고 초과 위험의 하한을 분석합니다.
RACER: Risk-Aware Calibrated Efficient Routing for Large Language Models
이 논문은 다중 LLM 시스템에서 오분류 위험을 통제하면서도 비용과 성능의 균형을 최적화하기 위해, 단일 모델 선택을 넘어 신뢰할 수 있는 모델 집합을 동적으로 구성하는 새로운 라우팅 방법인 RACER 를 제안하고 그 이론적 보장 및 성능 개선을 입증합니다.
A New Estimator of Kullback--Leibler Divergence via Shannon Entropy
이 논문은 최대 엔트로피 원리를 기반으로 -최근접 이웃 (NN) 추정량을 사용하여 다변량 정규성 검정을 위한 새로운 Kullback-Leibler 발산 추정기를 제안하며, 모의실험을 통해 기존 다변량 정규성 검정 방법보다 특히 고차원 환경에서 더 우수한 검정력과 Type I 오류 조절 능력을 입증했습니다.
Demonstration Experiments
이 논문은 적응형 실험 환경에서 여러 후보 중 하나라도 유의한 효과를 보이는지 검증하기 위한 다중 대역트 프레임워크를 제안하고, 시간 균일 다중 검정을 지원하기 위한 중간 편차 원리를 정립하며, 신호 대 잡음비를 보상으로 하는 적응형 할당 규칙을 통해 로그 후회 한계를 증명합니다.
Fréchet regression of multivariate distributions with nonparanormal transport
이 논문은 다변량 분포 응답과 유클리드 예측 변수 간의 회귀 문제를 해결하기 위해, 비파라노멀 운송 (NPT) 거리를 프레셰 회귀 프레임워크에 통합하여 차원의 저주를 완화하고 효율적인 추정과 해석을 가능하게 하는 새로운 방법론을 제안하고 이론적 근거와 실증적 유효성을 입증합니다.