222 편의 논문
이 논문은 층화 표본에서 분산 추정에 널리 사용되는 균형 반복 재표본추출 (BRR) 과 짝지어진 재표본추출 (잭나이프) 방법의 독립성 특성을 분석하여 두 방법을 통합적으로 다루고, 이를 통해 신뢰구간 구성에 필요한 유효 자유도를 추정하는 실용적인 공식을 제시합니다.
이 논문은 한쪽 노드 집합에서는 과소적합이, 다른 쪽에서는 과대적합이 발생할 수 있는 이분 네트워크의 모델 선택 문제를 해결하기 위해 새로운 페널티화된 교차검증 방법을 제안하고, 이를 통해 이분 네트워크 모델 선택에 대한 최초의 일관성 보장을 제공함을 보여줍니다.
이 논문은 자동 미분 기법을 활용하여 페널티 스플라인과 변환 매개변수를 결합한 준모수적 비선형 혼합 효과 모델의 추정 절차를 제시하며, 시뮬레이션과 영아 성장 사례 연구를 통해 기존 방법 대비 향상된 추론 성능과 계산 효율성을 입증합니다.
이 논문은 동적 베이지안 차용과 동시 신뢰구간을 활용하여 장기 발암성 연구의 이진 결과물에 역사적 대조군 데이터를 통합함으로써 동물 사용량을 크게 줄이면서도 가족별 오차율 (FWER) 을 적절히 통제하는 새로운 방법론을 제안하고 그 유효성을 시뮬레이션을 통해 입증했습니다.
이 논문은 제한된 예산 하에서 네트워크의 장기적 안정 상태 결과를 극대화하기 위해, 고차원 경로 의존적 역학을 저차원 노출 매핑으로 축소하고 관측 데이터로부터 형태 제약이 있는 노출 - 반응 함수를 학습한 후 탐욕적 전략을 적용하는 'CIM'이라는 두 단계 프레임워크를 제안하여 인과 추론과 네트워크 최적화를 연결하고 이론적 보장을 제공합니다.
이 논문은 종단 및 군집 상관 데이터를 위한 기존 방법론의 한계를 극복하고, 모델링 가정 없이도 강건성을 유지하면서 더 넓은 범위의 가설을 검정할 수 있는 새로운 순차적 일반화 추정 방정식 (GEE) 프레임워크를 제안하고, 이를 통해 효율적 경계 계산과 결측 데이터 처리가 가능하도록 하며, 시뮬레이션과 실제 간염 C 치료 데이터를 통해 그 유효성을 입증합니다.
이 논문은 과거 대조군 데이터를 활용하여 통계적 검정력을 높이는 동시에 제 1 종 오류를 엄격히 통제하기 위해 최대 평균 불일치 (MMD) 기반의 분포 동등성 검정과 부분 부트스트랩 기법을 결합한 새로운 '테스트 후 풀링 (Test-then-pool)' 프레임워크를 제안합니다.
이 논문은 다중 치료 효과 추정의 과적합 및 차원의 저주 문제를 해결하기 위해 최적의 균형 가중치를 이론적으로 유도하고, 확장성이 뛰어난 'Treatment Aggregation' 전략과 생성형 아키텍처를 제안하여 대규모 개입 시나리오에서 정확도와 효율성을 크게 향상시켰습니다.
이 논문은 생태학 및 환경 과학과 같은 비용이 많이 드는 데이터 수집 분야에서 표본이 모집단의 보조 변수 분포를 전체적으로 잘 반영하도록 하여 추정치의 신뢰성을 높이는 새로운 확률 표본 추출 설계인 '분포 균형 설계 (DBD)'를 제안하고 있습니다.
이 논문은 케네디와 오'해건 (KOH) 의 전통적인 불일치 정의와 달리 시뮬레이터 내부에 통합된 불일치 가우시안 프로세스를 도입하여 계산 효율성을 확보하고 입력 매개변수 불확실성으로 모델 오차를 설명하는 새로운 베이지안 모델 보정 기법을 개발하고, 이를 분자 동역학 및 이산 전위 역학 시뮬레이션에 적용하여 검증했습니다.
이 논문은 전역적 저차원 가정이 실세계 네트워크의 국소적 구조를 왜곡하는 문제를 해결하기 위해 가중치 스펙트럼 분해를 기반으로 한 '국소 인접 스펙트럼 임베딩 (LASE)'을 제안하고, 이를 통해 국소적 저차원 구조를 효과적으로 포착하며 UMAP-LASE 를 통해 고충실도 전역 시각화를 가능하게 함을 보여줍니다.
이 논문은 고차원 Lévy-구동 오렌슈타인-울렌벡 과정에서 저랭크 및 희소 구조를 가진 드리프트 행렬을 추정하기 위해 핵 노름과 페널티를 결합한 볼록 추정기를 제안하고, 이를 통해 차원 의존성을 개선한 비점근적 오라클 부등식을 유도합니다.
이 논문은 배치 베이지안 최적 실험 설계 (BOED) 문제를 확률 측도 공간으로 확률론적으로 승격시키고 엔트로피 정규화를 도입하여, Wasserstein 기울기 흐름과 입자 기반 알고리즘을 통해 고차원 비볼록 최적화 문제를 해결하는 새로운 접근법을 제안합니다.
이 논문은 기존 리만 라플라스 근사법의 한계를 지적하고 피셔 계량을 기반으로 데이터가 무한히 많아질 때 정확한 근사가 가능하도록 두 가지 대안 변형을 개발하여 이론적 분석을 확장하고 실험적 개선을 입증합니다.
이 논문은 시변적 미측정 교란변수가 있는 종단적 관찰 데이터를 대상으로, 잠재 교란변수를 활용한 베이지안 민감도 분석과 민감도 함수 접근법을 개발·확장하여 시뮬레이션과 실제 소아 질환 레지스트리 데이터를 통해 그 성능과 실용적 적용 가능성을 평가했습니다.
이 논문은 새로운 환경에 대한 예측과 그 불확실성 평가를 강화하기 위해 다양한 회귀 접근법 (선형 혼합 모델, 인자 분석, 커널 기반 방법 등) 을 통합된 모델 기반 예측 프레임워크 하에서 검토하고, 방글라데시의 장기 벼 품종 시험 데이터를 통해 이를 실증합니다.
이 논문은 관측된 빈도와 이론적 빈도 간의 발산을 기반으로 한 새로운 손실 함수를 최소화하여 잠재 정규성 가정 위반이나 무심한 응답자 등 모델의 부분적 오설정에 강건한 다분할 상관관계 추정량을 제안하고, 이를 시뮬레이션 및 빅 5 성격 검사 데이터를 통한 실증 분석으로 검증합니다.
이 논문은 불완전한 데이터를 보완하기 위해 베이지안 증거 통합과 확률적 전염병 모델을 활용하여 SARS-CoV-2 감염 총수를 추정하고, 이동성 데이터 기반 예측, 해밀토니안 몬테카를로 추론, 위상 평면 분석, 그리고 정보적 사전분포의 중요성을 제시합니다.
이 논문은 시간 가역적 결정론적 역학과 PDMP 의 속도 변경을 결합하여 Hamiltonian Monte Carlo 와 PDMP 샘플러를 통합하는 새로운 'Bouncy Hamiltonian' 프레임워크를 제안하고, 이를 통해 수만 개의 매개변수를 가진 복잡한 베이지안 사후분포에서도 경쟁력 있는 성능을 보이는 효율적인 샘플러를 개발했음을 보여줍니다.
이 논문은 대규모 관계적 사건 데이터에서 전역 공변량의 영향을 추정하기 위해 시간 이동된 비사건 표본 추출을 활용한 새로운 방법을 제안하고, 이를 통해 워싱턴 D.C. 자전거 공유 시스템의 날씨와 시간대 같은 전역 요인이 이동 동역학에 미치는 영향을 규명했습니다.