Learning Centre Partitions from Summaries
이 논문은 다중 중심 연구에서 중심 간 이질성을 검정하고 '중심 군집 (CoC)' 알고리즘을 통해 동질적인 중심들을 순차적으로 병합하는 새로운 통계적 프레임워크를 제안하며, 특히 부트스트랩 기반의 다중 라운드 절차를 통해 진정한 중심 분할을 높은 확률로 복원할 수 있음을 이론적으로 증명하고 실증 분석을 통해 그 유효성을 입증합니다.
🔢 Category
math.ST
161 편의 논문
Random Dot Product Graphs as Dynamical Systems: Limitations and Opportunities
이 논문은 무작위 내적 그래프 (RDPG) 에서 시계열 네트워크의 진화를 지배하는 미분방정식을 학습할 때 발생하는 게이지 자유도, 실현 가능성 제약, 궤적 복원 아티팩트 등 세 가지 근본적 장애물을 기하학적 프레임워크로 규명하고, 대칭적 역학이 게이지 모호성을 해결할 수 있음을 증명하여 통계적 어려움과 기하학적 구조가 불가분하게 연결되어 있음을 보여줍니다.
A Minimax Theory of Nonparametric Regression Under Covariate Shift
이 논문은 공변량 시프트 하의 비모수 회귀 문제를 다루며, 새로운 '전이 함수'를 도입하여 표본 크기와 분포 특성에 따라 고전적 속도보다 빠른 수렴 속도가 나타나는 다양한 최소극대 (minimax) regimes 를 규명하고, 이를 달성하는 적응형 추정기를 제안합니다.
Design Experiments to Compare Multi-armed Bandit Algorithms
이 논문은 다중 팔 밴딧 알고리즘 비교 실험의 비용을 절감하고 추정의 분산을 줄이기 위해, 한 정책의 실행 궤적을 재사용하여 다른 정책의 평가를 수행하는 '인공 리플레이 (Artificial Replay)'라는 새로운 실험 설계와 그 이론적 근거를 제안합니다.
Estimation of Lévy-driven CARMA models under renewal sampling
이 논문은 점프와 heavy-tailed 분포를 허용하는 Lévy 과정을 구동 노이즈로 하는 CARMA 모델을 갱신 시점에서 관찰할 때, 적분 주기도를 기반으로 한 Whittle 추정량의 일관성과 점근적 정규성을 증명합니다.
A Hierarchical Bayesian Dynamic Game for Competitive Inventory and Pricing under Incomplete Information: Learning, Credible Risk, and Equilibrium
이 논문은 불완전 정보 하의 경쟁적 재고 및 가격 결정 문제를 해결하기 위해 수요와 경쟁사 특성에 대한 베이지안 학습과 신뢰할 수 있는 위험 기준을 통합한 계층적 베이지안 동적 게임 프레임워크를 제안하고, 이를 통해 불확실성 하에서 학습과 경쟁을 동시에 수행하는 보수적 균형을 도출하며 생물학적 데이터 분석 등 다양한 분야에 적용 가능성을 보여줍니다.
Sparse Estimation for High-Dimensional Lévy-driven Ornstein--Uhlenbeck Processes from Discrete Observations
이 논문은 이산 관측 데이터를 기반으로 희소성을 가정하여 레비-구동 오렌슈타인-울렌벡 과정의 드리프트 행렬을 추정하기 위한 라쏘와 슬로프 추정량을 제안하고, 고빈도 regime 에서 최적의 수렴 속도와 샘플 복잡도를 규명합니다.
Are Bayesian networks typically faithful?
이 논문은 다양한 베이지안 네트워크 클래스 (선형 가우시안, 이산형, 지수족, 비모수적 모델 등) 에서 충실도 (faithfulness) 를 만족하는 매개변수 집합이 위상적으로 밀집하고 열린 집합을 이루며, 이는 제약 기반 인과 발견 알고리즘 (PC, FCI 등) 의 일관성을 보장함을 증명합니다.
Arbitrage-free catastrophe reinsurance valuation for compound dynamic contagion claims
이 논문은 기후 변화, 사이버 공격, 팬데믹 등 새로운 위험을 반영하기 위해 복합 동적 전염 과정을 도입하고, 에슈커 변환을 통해 무차익 조건 하의 재보험 프리미엄을 유도하며 몬테카를로 시뮬레이션과 민감도 분석을 통해 그 가치를 검증합니다.
Distribution estimation via Flow Matching with Lipschitz guarantees
이 논문은 Flow Matching 모델의 벡터장 Lipschitz 상수에 대한 의존성을 제어하는 가정을 분석하여, 로그-볼록성 조건 없이 고차원 및 비유계 분포에 대해 Wasserstein 1 거리 수렴 속도를 개선한 이론적 결과를 제시합니다.
Beyond the Oracle Property: Adaptive LASSO in Cointegrating Regressions with Local-to-Unity Regressors
이 논문은 단위근 과정에 대한 불확실성이 있는 공적분 회귀에서 적응형 LASSO 추정량의 새로운 점근적 성질을 규명하고, 오라클 속성에 기반한 기존 방법의 한계를 극복하여 모든 모수 공간에서 유효한 신뢰구간을 구성하는 방법을 제시합니다.
Information-Theoretic Thresholds for Bipartite Latent-Space Graphs under Noisy Observations
이 논문은 노이즈가 있는 이분형 잠재 공간 그래프에서 잠재 기하 구조의 검출 가능성을 분석하여, 마스크의 유무에 따른 정보 이론적 임계값을 규명하고 새로운 푸리에 분석 기법을 통해 계산적 - 통계적 격차가 존재하지 않음을 증명합니다.
High-dimensional Laplace asymptotics up to the concentration threshold
이 논문은 차원 와 매개변수 가 모두 큰 고차원 환경에서 가우스 근사 영역을 넘어 농도 임계값 직전까지 유효한 라플라스 적분의 점근적 전개와 이를 활용한 기대값 근사 및 표본 추출 기법을 제시합니다.
Partition-Based Functional Ridge Regression for High-Dimensional Data
이 논문은 고차원 기능적 선형 모델의 다중공선성, 과적합 및 해석성 문제를 해결하기 위해 계수 함수를 주효과와 약한 효과로 분할하여 차등 리지 패널을 적용하는 새로운 프레임워크를 제안하고, 이를 통해 추정량의 일관성과 점근적 정규성을 증명하며 예측 성능을 향상시킨다는 결과를 보여줍니다.
Conformal e-prediction in the presence of confounding
이 논문은 관측된 와 간의 교란 (confounding) 이 존재하는 경우를 포함하도록 합동적 e-예측 (conformal e-prediction) 을 확장하며, 관측 데이터가 독립동일분포 (IID) 인 경우와 관측치 간 일부 의존성이 허용되는 경우를 모두 다룹니다.
Deep regression learning from dependent observations with minimum error entropy principle
이 논문은 강한 혼합 조건 하의 종속 관측치를 기반으로 최소 오차 엔트로피 원리를 적용한 비모수 회귀를 제안하고, 비페널티 및 희소 페널티 심층 신경망 추정량의 기대 초과 리스크 상한을 증명하여 가우스 오차 모델에서 최소극한 최적 수렴 속도를 달성함을 보여줍니다.
Outrigger local polynomial regression
이 논문은 이분산성이나 오차 분포의 구조적 가정을 요구하지 않으면서도 가우시안 오차 하에서 표준 로컬 다항식 추정량과 동등한 점근적 위험을 보장하고, Hölder 클래스에서 최소최대 최적성을 달성하는 'Outrigger' 로컬 다항식 추정량을 제안하고 그 이론적 성질과 실증적 유효성을 입증합니다.
Finite-Sample Decision Instability in Threshold-Based Process Capability Approval
이 논문은 제조 공정 능력 지수 () 기반의 승인 결정이 임계값 근처에서 표본 크기에 따른 확률적 변동으로 인해 본질적으로 불안정할 수 있음을 통계적 분석과 실증 연구를 통해 규명하고, 이를 통해 임계값 부근의 결정 리스크를 정량적으로 평가할 수 있는 지침을 제시합니다.
Bayesian Modular Inference for Copula Models with Potentially Misspecified Marginals
이 논문은 각 주변분포에 개별적인 영향력 매개변수를 부여하여 오설정이 발생할 수 있는 한계와 의존성 구조를 모두 견고하게 추정할 수 있도록 기존 2 모듈 방식의 반모듈 베이지안 추론을 일반화한 새로운 코풀라 모델을 제안하고, 베이지안 최적화를 통해 매개변수를 선택하는 방법을 개발했습니다.
On the Unit Teissier Distribution: Properties, Estimation Procedures and Applications
이 논문은 유닛 테시시 (Unit Teissier) 분포에 대한 새로운 이론적 성질과 모수 추정 기법을 개발하고, 다양한 시뮬레이션과 실제 데이터를 통해 그 성능과 실용성을 검증합니다.