441 편의 논문
본 논문은 신호가 약하거나 상호작용이 존재하는 선형 및 비선형 시스템 모두에서 매개변수의 중요도를 정량화하기 위해 통제된 섭동 하에서의 경로 저하를 평가함으로써 매개변수의 중요도를 정량화하는 적응형 측정 오차 주입 프레임워크를 제안하며, 이는 매개변수 선택을 위한 강건한 방법을 제공한다.
본 논문은 사전 등록된 범암 분석을 통해, 예후 유전자 발현 연구에서의 수학적 결합에 관한 가설이 분석 기준이 결과가 순열된 귀무 데이터에도 충족되었다는 점에서 상당 부분 구성에 의해 확인되었음을 입증하며, 이는 잘못된 혼란 결론을 피하기 위해 분석 파이프라인을 순열된 결과에 대해 검증해야 할 결정적인 필요성을 강조한다.
본 연구는 통제된 시뮬레이션과 경험적 데이터 세트를 활용하여, 일회성 주성분 완결(one-pass principal component completion)이 단순 열 평균(column means)보다 예측 정확도를 향상시키는 것은 데이터가 열 간 구조를 나타내고 충분한 관측 밀도를 가질 때뿐이며, 독립적인 열이나 자연적으로 결측된 임상 결과에 대해서는 편향되지 않은 복원을 제공하는 데 실패함을 입증한다.
본 연구는 상호작용 분석에서 위양성 제어와 탐지 민감도 사이의 균형을 효과적으로 맞추기 위해 SHAP 기반의 top-k 스크리닝과 Wald 검정, BH 보정, 그리고 부트스트랩 강건성 검증을 결합한 2단계 "스크리닝 후 확정(screen-plus-confirm)" 프레임워크를 제안하고 체계적으로 평가하며, 동시에 실제 적용을 위한 구체적인 운영 가이드라인과 증거 등급 수준을 수립한다.
이 논문은 네이만-피어슨 체계의 귀무가설()과 대립가설()을 인식론적 관점으로 해석하는 것이 범주 오류를 범하는 것이라고 주장하는데, 이는 해당 가설들이 합리적 정당화를 위한 진리 주장으로서가 아니라 불확실성 하에서의 의사결정을 규제하기 위해 설계된 규범적 방법론적 도구로서 기능하며, 따라서 인식론과 방법론 사이의 비계층적이고 문제 중심적인 구분을 필연적으로 요구하기 때문이다.
본 논문은 제어된 관측 섬유(controlled observation fibres)와 인과적 접두사 정지(causal prefix stopping)를 활용하여 시간 균등 신뢰 구간(time-uniform confidence bounds)과 강건한 불확실성 정량화를 제공함으로써, 관측 등가성(observational equivalence) 및 모델 미지정(model misspecification) 문제를 해결하는 동시에 식별, 거부 및 획득 비용을 효과적으로 분리하는 순차적 MRI를 위한 프레임워크를 제안한다.
본 논문은 피셔 유도 백색화(Fisher-induced whitening) 하에서 KA 모델의 형상 매개변수 는 표현 불변성을 가지는 반면 척도 지수 는 보편적인 만큼 이동한다는 것을 입증하며, 이러한 결과는 정확한 유한 표본 항등식과 고정밀 몬테카를로 시뮬레이션을 통해 확인되었다.
본 논문은 표준적인 리스크 추정의 불연속성과 높은 계산 비용을 극복하기 위해 사전 적분(preintegration)으로 강화된 중첩 다층 몬테카를로(nested Multilevel Monte Carlo) 방법을 제안하며, 이를 통해 -1의 우수한 강한 수렴 속도와 거의 최적인 복잡도를 달al성하는 동시에 고첨도(high-kurtosis) 현상을 효과적으로 처리한다.
시뮬레이션된 주요 우울 장애 임상 시험에서, 딥러닝 접근 방식은 전통적인 반복 측정 혼합 모델에 비해 8주 차 치료 효과를 추정하는 데 있어 더 적은 사전 가정을 요구하면서도 더 우수한 정확도와 강건성을 입증하였다.
본 논문은 기준값으로부터의 절대 편차에 통계적 함수를 적용하여 분산을 측정하기 위한 일반적인 프레임워크를 개발하고, 이러한 척도들을 비교하는 주요 부등식들을 확립하며, 시뮬레이션을 통해 다양한 분포에 걸친 이들의 거동을 입증한다.