Stable Survival Extrapolation via Transfer Learning
이 논문은 등록 및 인구통계학적 데이터의 장기 증거를 전이 학습하여 베이지안 사망률 모델을 기반으로 유연하고 해석 가능하며 안정적인 생존 곡선 외삽 방법론을 제안하고, 유방암, 심부정맥 및 흑색종 사례를 통해 그 유효성을 입증합니다.
📊 Category
stat.AP
97 편의 논문
On noncentral Wishart mixtures of noncentral Wisharts and their use for testing random effects in factorial design models
이 논문은 비중앙 와시아트 분포의 혼합이 동일한 자유도를 가질 때 비중앙 와시아트 분포가 된다는 사실을 증명하여 카이제곱 분포 결과를 일반화하고, 이를 다변량 정규 데이터를 갖는 요인 설계 모델에서 무작위 효과 검정을 위한 유한 표본 분포를 유도하는 데 적용함으로써 기존 연구 결과를 확장합니다.
CITS: Nonparametric Statistical Causal Modeling for High-Resolution Neural Time Series
이 논문은 고해상도 신경 시계열 데이터의 인과적 구조를 추정하기 위해 기존 방법의 한계를 극복하는 비모수적 프레임워크인 CITS 를 제안하고, 이론적 일관성과 다양한 벤치마크 및 실제 신경 기록을 통한 검증으로 그 유효성을 입증합니다.
Shotgun DNA sequencing evidence: sample-specific and unknown genotyping error probabilities
이 논문은 저품질의 파편화된 DNA 샘플에 대한 샷건 시퀀싱 증거를 평가하기 위해, 기존 wgsLR 모델을 비대칭적 및 미지의 유전형 오류 확률을 처리할 수 있도록 확장하고, 이를 R 패키지 wgsLR 에 구현하여 법의유전학 분야에서 보다 정확하고 보수적인 증거력 평가를 가능하게 했음을 제시합니다.
Bayesian Transfer Learning for High-Dimensional Linear Regression via Adaptive Shrinkage
이 논문은 고차원 선형 회귀를 위한 베이지안 전이 학습 프레임워크인 BLAST 를 제안하여, 적응적 축소와 베이지안 소스 선택을 통해 부정적 전이를 방지하고 타겟 데이터만 사용한 방법보다 정확한 사후 추론과 우수한 불확실성 정량화를 가능하게 함을 보여줍니다.
ForeComp: An R Package for Comparing Predictive Accuracy Using Fixed-Smoothing Asymptotics
이 논문은 표준 및 고정 평활화 점근론을 기반으로 예측 정확도를 비교하는 Diebold-Mariano 유형의 검정을 수행하고 대역폭 민감성 및 크기 - 전력 트레이드오프를 시각화하는 'ForeComp'라는 R 패키지를 소개하고, 전문가 예측 조사 데이터와 몬테카를로 시뮬레이션을 통해 그 유효성을 입증합니다.
At-Risk Transformation for U.S. Recession Prediction
이 논문은 미국 경기 침체 예측을 위해 연속 변수 대신 임계값 기반의 '위험 상태' 이진 변환을 도입함으로써 선형 모델의 예측 성능을 향상시키고 머신러닝 방법과 경쟁력을 갖출 수 있음을 보여줍니다.
Learning Risk Preferences in Markov Decision Processes: an Application to the Fourth Down Decision in the National Football League
이 논문은 역최적화 기법을 활용하여 NFL 코치들의 4 차 다운 결정이 통계적 모델과 다른 이유를 분석한 결과, 코치들이 전반적으로 보수적인 위험 선호를 보이지만 경기장 위치와 시대에 따라 위험 감수성이 달라진다는 사실을 규명했습니다.
Identifying Treatment Effect Heterogeneity with Bayesian Hierarchical Adjustable Random Partition in Adaptive Enrichment Trials
이 논문은 임상 시험에서 치료 효과의 이질성을 탐구하고 하위 그룹별 반응을 추정하기 위해 모델 불확실성을 고려하고 자동적으로 정보 공유 강도를 조절하는 베이지안 계층형 조정 가능 무작위 분할 (BHARP) 모델을 제안하고, 시뮬레이션 및 실제 사례를 통해 기존 방법보다 우수한 정확도와 정밀도를 입증합니다.
Comparative e-backtests for general risk measures
이 논문은 e-value 와 e-process 를 활용하여 의존성과 모델 오명시에도 유효한 비모수적 순차 비교 백테스팅 프레임워크를 개발하고, 이를 통해 다양한 위험 측정치에 대해 더 정보력 있는 결론을 도출하는 개선된 3-영역 접근법을 제안합니다.
Estimating the distance at which narwhal respond to disturbance: a penalized threshold hidden Markov model
이 논문은 나르발의 행동 반응을 정량화하기 위해 새로운 페널티화 임계값 은닉 마르코프 모델을 개발하여, 나르발이 선박 소음에 대해 최대 4km 거리에서 반응하며 이동 지속성을 감소시키고 더 깊은 수역으로 이동함을 규명했습니다.
How segmented is my network?
이 논문은 네트워크의 분할 정도를 정량화하는 최초의 통계적으로 엄밀한 척도인 '분할성 (segmentedness)'을 정의하고, 무작위 표본 추출을 통해 이를 신뢰구간과 함께 추정할 수 있는 방법론을 제시하며 다양한 네트워크 모델과 실제 데이터셋을 통해 그 유효성을 입증합니다.
Bayesian Modeling of Collatz Stopping Times: A Probabilistic Machine Learning Perspective
이 논문은 콜라츠 정리의 총 정지 시간을 예측하기 위해 단순한 공변량을 기반으로 한 베이지안 계층적 음이항 회귀 모델과 홀수 블록 분해에 기반한 생성적 근사 모델을 개발하고, 저차 모듈러 구조가 이산 시간의 이질성을 설명하는 핵심 요인임을 실증적으로 규명합니다.
Weather-Related Crash Risk Forecasting: A Deep Learning Approach for Heterogenous Spatiotemporal Data
이 논문은 북캐롤라이나의 이질적인 시공간 데이터를 활용하여 ConvLSTM 앙상블 모델을 통해 기상 관련 교통사고 위험을 예측하는 딥러닝 프레임워크를 제안하고, 기존 모델보다 특히 고위험 지역에서 뛰어난 성능을 보임을 입증했습니다.
Revitalizing AR Process Simulation of Non-Gaussian Radar Clutter via Series-Based Analytic Continuation
본 논문은 선형 필터링으로 인한 왜곡을 보정하기 위해 모멘트 및 누적량 급수 전개를 파데 근사를 통해 해석적 연속화하고, 특히 더 안정적이고 정확한 누적량 기반 접근법을 통해 비가우시안 레이더 클러터의 AR 과정 시뮬레이션 정확도와 효율성을 획기적으로 개선하는 새로운 전략을 제안합니다.
Statistical inference for Levy-driven graph supOU processes: From short- to long-memory in high-dimensional time series
이 논문은 그래프 구조를 통해 고차원 시계열의 구성 요소 간 의존성을 모델링하고 단기 및 장기 의존성을 포괄하는 레비 기반 그래프 supOU 과정을 제안하며, 일반화 모멘트 추정량의 일관성과 점근적 정규성을 증명하고 풍력 발전 용량 계수에 대한 실증 분석을 통해 그 실용성을 입증합니다.
The projected isotropic normal distribution with applications in neuroscience
이 논문은 뇌파 (EEG) 신호 분석을 위해 제안된 투영 등방성 정규 분포의 새로운 성질을 유도하고, von Mises 분포 기반의 근사법을 개발하여 뇌파 데이터에 적용하는 통계적 추론 방법을 제시합니다.