261 편의 논문
이 논문은 전통적인 대치 방법의 성능 저하를 피하기 위해 수락된 신청자들의 가중치를 조정하여 모집단 총계와 일치시킴으로써, 모델 오설정 하에서도 변별력을 유지하면서 모집단 리스크 교정 능력을 크게 향상시키는 동시에 일관되고 점근적으로 정규성을 증명하는, 거절 추론을 위한 새로운 보조 강화 설문 교정 프레임워크를 제안한다.
본 연구는 시험 압박 및 수면 시간과 같은 주요 예측 요인을 식별하는 동시에 모델의 투명성과 재현성을 보장하면서, 학생의 스트레스를 정확하게 예측하기 위해 패널티 회귀, 부트스트랩 안정성 선택, 그리고 SHAP 기반 설명 가능한 머신러닝을 통합한 해석 가능한 통계적 학습 프레임워크를 제안하고 검증한다.
본 연구는 반복되는 적응적 결정 과정에서의 신뢰, 모방, 탐색 사이의 균형을 모델링하는 사회-진화 알고리즘(Socio-Evolutionary Algorithm, SEA) 프레임워크를 소개하며, 부채 할당 과업에 참여한 10개의 이질적인 코호트를 대상으로 그 경쟁력 있는 성능과 해석 가능성을 검증한다.
본 논문은 저자의 과학적 영향력과 h-core 논문에서의 공동 저자 수 사이의 불균형을 정량화하여 선물 저자나 손님 저자와 같은 공동 저자 남용 사례를 식별하는 데 도움을 주는 새로운 지표인 공동 저자 격차 지수(CDI)를 제안한다.
본 연구는 독일 남부의 다지점 데이터를 사용하여 강수량장의 복잡한 시공간적 의존 패턴을 분석하고 시뮬레이션하기 위해, 쌍 코퓰러 구성(pair copula constructions)과 은닉 마르코프 모델(hidden Markov models)을 결합한 의존 기하학 프레임워크를 도입한다.
이 논문은 데이터를 원형으로 배치된 블록으로 분할하여 순차적 업데이트와 롤링 윈도우 평활화를 통해 추정치의 모집단을 생성함으로써, 수렴 보장과 잠재적인 과적합 방지를 제공하는 EM 방법의 확률적 변형인 windowEM 알고리즘을 제안한다.
본 논문은 연속형 및 이산형 데이터 모두에 대해 중심한계정리의 적용 가능성을 엄밀하게 결정하기 위해, 비공식적인 표본 크기 규칙을 왜도-표본 크기 평면상의 경험적으로 보정된 신뢰 영역으로 대체하는 정량적 시뮬레이션 기반 프레임워크를 소개한다.
본 논문은 금융 및 보험 데이터셋에서 극단적 분위수의 정확도를 크게 향상시키기 위해 생존 꼬리의 경직성을 적응적으로 교정하는 동시에 불필요한 경우에는 고전적 모델로 복귀하는, 일반 극값 분포(Generalized Extreme Value distribution)의 유연한 파워 로그 하이브리드 확장형인 PLH-GEV를 제안한다.
이 논문은 표준화된 Gram–Charlier Type A 분포와 그 지수화된 버전에 대하여 정규화 조건, 생성 함수, 모멘트 관계를 포함한 근본적인 성질들을 도출하는 한편, 절단된 전개의 비음성 문제와 같은 한계점들도 다룬다.
본 연구는 다양한 분석 시나리오 전반에 걸쳐 기성 통계 소프트웨어(SPSS) 및 머신러닝 라이브러리(scikit-learn)와 완전한 일치성을 입증함으로써 Wistats v3.0의 분석적 정확성을 검증하며, 이를 통해 자동화된 출판 가능 수준의 과학적 보고를 위한 사용자 중심 플랫폼으로서의 신뢰성을 확인한다.