Sketching stochastic valuation functions
이 논문은 단조롭고 부분가법적 또는 부분모듈러인 확률적 가치 함수에 대해, 각 항목의 분포를 이산화하여 작은 지지 집합 크기로 상수 인자 근사 스케치를 효율적으로 구성할 수 있음을 증명하고, 이를 최적화 문제에서 정확한 가치 계산의 부담을 줄이는 데 활용함을 보여줍니다.
📊 Category
stat.ME
200 편의 논문
Causal Effects in Matching Mechanisms with Strategically Reported Preferences
이 논문은 전략적 선호 보고로 인해 발생하는 편향을 극복하고 학교 배정의 인과적 효과를 식별하기 위한 새로운 접근법을 제시하며, 칠레의 대학 진학 데이터 분석을 통해 학생의 선호와 배정이 졸업 성패에 미치는 이질적인 영향을 규명합니다.
Calibrated Generalized Bayesian Inference
이 논문은 오모형 (misspecified) 이나 근사 모델, 그리고 일반화된 베이지안 추론에서 기존 방법들의 한계를 극복하고, 사후분포를 직관적인 대안으로 대체함으로써 정확한 불확실성 정량화를 가능하게 하는 새로운 접근법을 제안합니다.
Constructing Genetic Risk Scores: Robust Bayesian Approach through Projected Summary Statistics and Flexible Shrinkage
이 논문은 GWAS 요약 통계와 연관 불균형 (LD) 데이터 간의 불일치로 인한 사후분포의 부적절성을 해결하기 위해 투영 기법을 도입하고, 다양한 희소성 수준을 유연하게 모델링하는 베이지안 브릿지 사전분포를 기반으로 한 새로운 다유전자 위험 점수 (PRS-Bridge) 방법을 제안하여 다양한 시나리오에서 우수한 성능을 입증합니다.
Spectral Graph Filtering for Modality-Specific Representation Learning
이 논문은 다중 모달 데이터에서 공유 신호를 억제하고 모달리티별 고유한 잠재 변수를 추출하기 위해 각 모달리티의 그래프 연결성 차이를 활용한 스펙트럼 기반 필터링 방법인 DELVE 를 제안하고, 이를 통해 단일 모달리티에서만 관측되는 구조를 효과적으로 복원할 수 있음을 이론적 분석과 실험을 통해 입증합니다.
Euclidean mirrors and first-order changepoints in network time series
이 논문은 네트워크 시계열의 진화를 유클리드 공간의 곡선인 '유클리드 미러'로 표현하고, 스펙트럼 추정 기법을 통해 네트워크 분포가 연속적으로 변화하더라도 변화율이 변하는 1 차 변화점을 효과적으로 국소화하는 모델을 제안합니다.
Forecasting Causal Effects of Future Interventions: Confounding and Transportability Issues
이 논문은 과거 표본에서 미래 개입의 인과적 효과를 예측하기 위해 필요한 구조적 가정을 명확히 하고, 시간 변화 교란변수와 효과 수정변수를 고려한 새로운 비모수적 식별 공식을 개발하여 인과 추론 이론을 바탕으로 한 미래 효과 예측의 이론적 틀을 제시합니다.
Persistence-Robust Break Detection in Predictive CoVaR Regressions
이 논문은 예측 변수의 정상성 여부와 관계없이 자기정규화 원리를 기반으로 한 구조적 변화 검정법을 개발하여, 예측 분위수와 CoVaR 회귀분석에서 예측력의 불안정성을 탐지하고 금융 리스크 및 시스템 리스크 예측 모델의 실증 분석에 그 유용성을 입증합니다.
Adaptive and Stratified Subsampling for High-Dimensional Robust Estimation
이 논문은 유한 분포를 가진 중꼬리 잡음, -오염, 그리고 -혼합 의존성 하에서 고차원 강건한 희소 회귀를 위해 적응형 중요도 샘플링 (AIS) 과 계층적 하위표본 추출 (SS) 두 가지 추정기를 제안하며, 이론적 최적성, 편향 보정, 그리고 실증적 성능 개선을 입증합니다.
Empirical best prediction of poverty indicators via nested error regression with high dimensional parameters
이 논문은 이질성을 고려한 중첩 오차 회귀 모델을 확장하여 소지역 빈곤 지표의 예측 편향과 오차를 줄이고 계산 효율성을 높이며 표본 외 지역 추정 신뢰도를 개선하는 새로운 실증 최적 예측 방법론을 제안하고 알바니아 데이터를 통해 검증합니다.
A Restricted Latent Class Hidden Markov Model for Polytomous Responses, Polytomous Attributes, and Covariates: Identifiability and Application
이 논문은 응답자별 공변량을 고려한 시간 비동질성 숨은 마르코프 모델을 기반으로 한 제한된 잠재 클래스 탐색 모델을 제안하고, 그 식별 가능성을 증명하며 시뮬레이션과 실제 데이터 (수학 시험 및 감정 상태) 를 통해 모델의 유효성을 입증합니다.
A Consequentialist Critique of Binary Classification Evaluation: Theory, Practice, and Tools
이 논문은 기계 학습의 이진 분류 평가가 임계값과 기저율 전반에 걸친 예측 품질을 우선시하는 결과주의적 관점 (적절한 스코어링 규칙 등) 으로 전환해야 함을 주장하며, 현재 관행과의 간극을 해소하기 위한 이론적 프레임워크, 새로운 평가 지표, 그리고 실용적 Python 도구인 `briertools`를 제시합니다.
Parallel computations for Metropolis Markov chains with Picard maps
이 논문은 로그볼록 분포를 대상으로 하는 무경사 메트로폴리스 마르코프 연쇄 시뮬레이션을 위해 피카르 사상을 기반으로 한 병렬 알고리즘을 개발하여, 고차원 문제에서 순차적 구현 대비 배의 수렴 가속화를 달성하고 정밀 의료 및 전염병 모델링 등 다양한 실증 사례를 통해 그 유효성을 입증했습니다.
Using the rejection sampling for finding tests
이 논문은 직관적이고 구현이 쉬우며 임의의 차원에 적용 가능한 새로운 기각 샘플링 기반 통계 검정법을 제안하고, 이를 통해 평균 비교, 고정 벡터 검증, 적합도 검정 등 다양한 사례에서 최강 검정력과 유사한 성능을 입증합니다.
Conditional Copula models using loss-based Bayesian Additive Regression Trees
이 논문은 과적합을 줄이기 위해 손실 기반 사전분포를 도입하고 적응형 가역점프 MCMC 알고리즘을 개발하여 외부 조건 하의 복잡한 의존성 구조를 모델링하는 새로운 반모수적 조건부 코풀라 접근법을 제시합니다.
An AI-powered Bayesian Generative Modeling Approach for Arbitrary Conditional Inference
이 논문은 학습된 단일 모델로 재학습 없이도 임의의 조건부 추론을 수행하고 불확실성을 정량화할 수 있도록, 확률적 반복 베이지안 업데이트 알고리즘을 기반으로 한 새로운 베이지안 생성 모델링 (BGM) 프레임워크를 제안합니다.
Central subspace data depth
이 논문은 다변량 데이터 분석에서 대칭 중심이 단일 점이 아닌 특정 차원의 부분공간일 때를 고려하여, 해당 부분공간을 중심으로 데이터 깊이를 정의하고 그 성질, 점근적 수렴성, 차원 축소와의 연관성, 그리고 사기 탐지 응용 사례를 제시하는 '중앙 부분공간 데이터 깊이'에 대한 일반적인 프레임워크를 제안합니다.
Efficient semiparametric estimation of marginal treatment effects with genetic instrumental variables
이 논문은 유전적 도구를 활용한 마진 치료 효과의 반모수적 추론에서 소규모 '유전적 순응자'로 인한 추정의 불확실성을 효율적 영향 함수를 통해 해결하고, 음주 습성이 큰 개인일수록 혈압에 미치는 부정적 영향이 더 크다는 역선택 현상을 규명했습니다.
Estimation of heterogeneous principal effects under principal ignorability
이 논문은 주체 무관성 (principal ignorability) 가정 하에서 이질적 주체 인과 효과를 추정하고 신뢰구간을 구성하기 위한 프레임워크를 제안하며, 이중 강건성 및 중간 강건성을 가진 여러 추정량의 특성을 분석하고 캠든 연합 핫스팟팅 무작위 실험 데이터를 통해 이를 실증합니다.
Uncertainty quantification for critical energy systems during compound extremes via BMW-GAM
이 논문은 BMW-GAM(베이지안 일반화 가법 모델) 기반의 코풀라 워크플로우를 활용하여 복합 극한 기상 현상 하에서 온도, 풍속, 일사량 등 주요 기후 변수의 불확실성을 정량화하고, 이를 통해 국가 에너지 시스템의 회복탄력성 강화에 기여하는 해석 가능한 방법론을 제시합니다.