Hippocratic Utility
이 논문은 해를 끼치지 않는 치료로 생명을 구하는 경우를 더 가치 있게 여기고 해를 끼치는 치료로 생명을 구하는 경우는 덜 가치 있게 여기는 '히포크라테스 효용'의 윤리적 동기는 인정하면서도, 저자의 예시를 통해 이러한 의사결정 기준의 적용 범위가 제한적일 수 있음을 지적합니다.
📊 Category
stat.OT
14 편의 논문
Anomaly detection using surprisals
이 논문은 복잡한 다변량 데이터의 이상 탐지를 단일 변수 '서프라이설' 분포의 꼬리 확률 추정 문제로 환원시키는 통합 프레임워크를 제안하고, 경험적 추정과 극값 이론 기반의 두 가지 강건한 방법을 통해 모델 오지정 하에서도 효과적인 이상 탐지가 가능함을 보여줍니다.
Causal Regime Detection in Energy Markets With Augmented Time Series Structural Causal Models
이 논문은 기상 패턴, 발전 기술, 가격 형성 간의 복잡한 인과 관계를 학습하고 가변적 인과 그래프를 구축하여 다양한 재생에너지 시나리오에 대한 반사실적 추론이 가능한 에너지 시장용 증강 시간 계열 인과 모델 (ATSCM) 을 제안합니다.
Towards Causal Market Simulators
이 논문은 기존 생성 모델의 한계를 극복하고 반사실적 분석을 가능하게 하기 위해 변이 오토인코더와 구조적 인과 모델을 결합한 '시계열 신경 인과 모델 VAE(TNCM-VAE)'를 제안하며, 인과적 제약을Decoder 아키텍처와 인과적 와asserstein 거리를 통해 구현하여 금융 시장 시뮬레이션의 정밀도를 크게 향상시켰음을 보여줍니다.
Sequential Causal Normal Form Games: Theory, Computation, and Strategic Signaling
이 논문은 리더 - 팔로워 상호작용에 Pearl 의 인과 계층을 도입한 순차적 인과적 다중 에이전트 시스템 (S-CMAS) 을 제안하고 이론적 분석을 수행했으나, 50 회 이상의 시뮬레이션과 합성 예시를 통해 합리적 최선 대응을 전제로 한 역산 (backward induction) 하에서는 고전적 스택버그 균형 대비 후생 개선 효과가 전혀 나타나지 않는다는 부정적 결론을 도출하여, 합리적 선택에 기반한 고전적 게임 이론 프레임워크가 인과적 추론의 이점을 포착하는 데 근본적인 한계가 있음을 시사합니다.
Beyond Reproducible Research: Building a Formal Representation of a Data Analysis
이 논문은 데이터 분석의 재현성을 넘어 분석가의 논리적 추론을 외부화하는 형식적 표현 체계를 제안하고, 이를 통해 데이터 없이도 분석의 질을 평가하고 가설의 민감성을 분석할 수 있음을 보여줍니다.
Bayesian Linear Programming under Learned Uncertainty: Posterior Feasibility Guarantees, Scenario Certification, and Applications
이 논문은 불확실한 계수를 데이터로 학습한 베이지안 사후 분포를 기반으로 선형 프로그래밍 문제를 해결하는 새로운 프레임워크를 제시하여, 기존 방법론보다 안전성을 높이고 해석 가능한 의사결정 보장을 가능하게 합니다.
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.
Variable selection in linear mixed model meta-regression with suspected interaction effects -- How can tree-based methods help?
이 논문은 선형 혼합 모델 메타 회귀에서 상호작용 효과 탐지를 위해 전통적인 선형 선택 방법과 메타-CART 기반 트리 기반 방법을 비교 분석하여, 선형성이 강한 경우 선형 방법이 우수하지만 비선형 상호작용이 존재하거나 표본 크기가 커질 경우 안정성 선택을 적용한 랜덤 효과 트리 기반 방법이 보다 강력하고 보완적인 도구임을 규명했습니다.
Statistical Methodology Groups in the Pharmaceutical Industry
이 논문은 제약 산업에서 임상 시험의 효율성과 성공 확률을 높이기 위해 설립된 전문 통계 방법론 그룹의 구성, 역할, 가치 및 성공 요인을 탐구합니다.
Robust Estimation of Polychoric Correlation
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.
Either a Confidence Interval Covers, or It Doesn't (Or Does It?): A Model-Based View of Ex-Post Coverage Probability
이 논문은 네이만의 전통적인 빈도주의적 해석인 "신뢰구간이 모수를 포함하든 포함하지 않든"이라는 이분법적 관점을 비판하며, 동일한 확률 모델의 다른 조건부 수준으로 해석될 수 있는 설계 단계의 피복 확률과 단일 사례의 조건부 확률 간의 긴장 관계를 지적하고, 신뢰를 예측 확률로 재해석하는 대안적 관점을 제시합니다.
Confidence as Forecast: A Decision-Theoretic Interpretation of Confidence Intervals
이 논문은 신뢰구간의 '신뢰도'를 모수 포함 여부를 예측하는 확률적 예보로 해석하고, 엄격한 점수 규칙을 통해 명목 신뢰수준이 최적의 예측임을 보이며, 조건부 정보를 활용한 개선된 예측 가능성을 제시함으로써 사전분포나 주관적 신념 없이도 신뢰구간의 해석적 난제를 해결합니다.
Engaging students with statistics through choice of real data context on homework
이 연구는 통계 수업에서 학생들에게 데이터 맥락을 선택할 기회를 제공하는 것이 성적 향상에는 직접적인 영향을 미치지 않았으나, 학습 몰입도, 동기 부여, 통계의 실용성 인식 및 자율성 증대에는 긍정적인 효과를 가져왔음을 보여줍니다.