Asymptotics of cut distributions and robust modular inference using Posterior Bootstrap
이 논문은 모델 오설정으로 인한 정보 전파 문제를 해결하기 위해 제안된 컷 분포의 점근적 성질을 분석하고, Posterior Bootstrap 기반 알고리즘을 통해 명목상 빈도론적 커버리지를 갖는 신뢰구간을 제공하는 방법을 제시합니다.
📊 Category
stat
252 편의 논문
The Inverse Problem for Single Trajectories of Rough Differential Equations
이 논문은 이산적으로 관측된 랜덤 거친 미분방정식을 위한 통계적 추론을 가능하게 하기 위해, 관측된 궤적과 일치하는 기하학적 -거친 경로를 구성하는 연속 역문제에 대한 엄밀한 정의와 수렴성 증명을 제시하고, 시그니처 표현을 기반으로 한 반복적 알고리즘을 통해 이를 해결하는 일반적 프레임워크를 개발합니다.
Disjunctive Branch-and-Bound for Certifiably Optimal Low-Rank Matrix Completion
이 논문은 기존 휴리스틱 방법론의 한계를 극복하고, 이산적 분기-한계 (disjunctive branch-and-bound) 기법과 새로운 볼록 완화 기법을 통해 저랭크 행렬 완성 문제를 최적성 보장을 갖는 방식으로 해결하는 새로운 접근법을 제시합니다.
Optimal Transport Aggregation for Distributed Mixture-of-Experts
이 논문은 분산된 데이터에서 각기 독립적으로 학습된 혼합 전문가 (MoE) 모델을 단일 통신 단계로 효율적으로 집계하기 위해 최적 수송 (Optimal Transport) 기반의 새로운 프레임워크를 제안하고, 이를 통해 중앙 집중식 학습과 유사한 성능을 유지하면서 계산 및 통신 비용을 크게 절감하는 방법을 제시합니다.
Nonparametric estimation of a state entry time distribution conditional on a "past" state occupation in a progressive multistate model with current status data
이 논문은 심한 구간 중도절단 (current status) 데이터를 가진 점진적 다상태 모델에서 이전 상태 점유 조건 하의 상태 진입 시간 분포를 추정하기 위해 경쟁위험 개념을 활용한 두 가지 비모수적 추정법을 제안하고, 시뮬레이션 및 유방암 환자 데이터를 통해 그 유효성을 입증합니다.
Learning Robust Treatment Rules for Censored Data
이 논문은 중도절단된 생존 데이터를 위해 절단된 평균 생존 시간과 버퍼링된 생존 확률을 최대화하는 두 가지 강건한 기준을 제안하고, 이를 학습하기 위한 샘플링 기반 차분-볼록 알고리즘을 개발하여 AIDS 임상 시험 데이터를 포함한 시뮬레이션 및 실제 데이터 분석을 통해 기존 방법보다 우수한 성능을 입증했습니다.
Parametric multi-fidelity Monte Carlo estimation with applications to extremes
이 논문은 고충실도 데이터에 대한 매개변수 모델 적합을 효율화하기 위해 저충실도 데이터를 활용하는 세 가지 다중 충실도 추정 방법 (공동 최대우도, 모멘트 추정, 주변 최대우도) 을 제안하고, 특히 극값 분석 및 극단적인 선박 운동 발생 정량화 사례에 적용하여 그 유효성을 입증합니다.
Losing dimensions: Geometric memorization in generative diffusion
이 논문은 확산 모델이 훈련 데이터를 기억하는 과정이 급격한 전환이 아니라 데이터가 부족해질 때 잠재 차원성이 서서히 축소되며 일반화와 완전한 복제 사이의 기하학적 기억 단계를 거친다는 이론을 제시하고 실험적으로 입증합니다.
Vecchia Gaussian Processes: on probabilistic and statistical properties
이 논문은 Vecchia 근사 기반 가우시안 프로세스의 확률론적 및 통계적 성질을 체계적으로 분석하여, 부모 집합 선택 전략을 제안하고 비모수 회귀 모델에서 최적의 수렴 속도를 보장하는 이론적 근거를 마련했습니다.
Impact of existence and nonexistence of pivot on the coverage of empirical best linear prediction intervals for small areas
이 논문은 소지역 평균의 경험적 최적 선형 예측 구간에서 피벗의 존재 여부가 오차 차수에 미치는 영향을 분석하고, 피벗이 부재할 경우 기존 부트스트랩 방법의 한계를 지적하며 이를 해결하기 위해 제안된 이중 부트스트랩 기법의 유효성을 이론적 및 시뮬레이션을 통해 입증합니다.
Conditional Local Importance by Quantile Expectations
이 논문은 LIME 과 SHAP 과 같은 기존 방법들의 한계를 극복하고, 지역적 변수 간 의존성과 상호작용을 포착하며 다중 분류 문제에 직접 적용 가능한 새로운 모델-무관 로컬 변수 중요도 측정법인 CLIQUE 를 제안합니다.
Equipoise calibration of clinical trial design
이 논문은 임상 시험 설계의 통계적 특성과 임상적 균형을 연결하는 '균형 보정 (equipoise calibration)' 방법론을 제시하여, 표준적인 통계적 검정력 설정이 임상적 불균형에 대한 강력한 증거를 제공함을 입증하고 일관되지 않은 시험 결과 해석의 한계를 규명합니다.
Pairwise Comparisons without Stochastic Transitivity: Model, Theory and Applications
이 논문은 확률적 전이성을 가정하지 않고 저차원 반대칭 행렬을 통해 쌍별 비교 확률을 모델링하여, 기존 브래들리 - 테리 모델의 한계를 극복하고 희소 데이터에서도 최적의 예측 성능을 보장하는 새로운 통계적 추정 방법론을 제안합니다.
An Algorithm to perform Covariance-Adjusted Support Vector Classification in Non-Euclidean Spaces
이 논문은 유클리드 공간의 최대 마진 원리가 비유클리드 공간에서는 최적이지 않음을 지적하고, 클래스 공분산 구조의 초로레스키 분해를 활용하여 공분산 보정 SVM 분류기를 반복적으로 추정하는 알고리즘을 제안함으로써 비유클리드 공간에서의 분류 성능을 기존 SVM 보다 크게 향상시켰음을 보여줍니다.
Network Cross-Validation and Model Selection via Subsampling
이 논문은 대규모 네트워크의 모델 선택 및 매개변수 조정을 위해 하위 네트워크를 중첩된 부분으로 분할하여 효율적이고 정확한 교차 검증을 가능하게 하는 NETCROP 방법을 제안합니다.
Offline Dynamic Inventory and Pricing Strategy: Addressing Censored and Dependent Demand
이 논문은 과거 수요에 의존하고 재고 부족으로 인해 판매 데이터가 검열 (censored) 되는 동적 재고 및 가격 결정 문제를 해결하기 위해, 검열된 의존적 수요 환경에서 최적 정책을 학습하는 새로운 데이터 기반 알고리즘을 제안하고 그 성능을 이론적 및 실험적으로 검증합니다.
Optimally balancing exploration and exploitation to automate multi-fidelity statistical estimation
이 논문은 오라클 통계량 추정과 최종 다중 충도성 추정기 구성 간의 자원을 최적화하여 균형을 맞추는 적응형 알고리즘을 제안함으로써, 이상적인 오라클 통계량을 사용한 최적 할당과 동등한 평균 제곱 오차를 달성하면서도 실제 계산 비용을 고려한 다중 충도성 통계 추정을 자동화합니다.
Causal Meta-Analysis: Rethinking the Foundations of Evidence-Based Medicine
이 논문은 기존의 메타분석 방법론이 비선형 효과 측정치에서 인과적 해석의 한계를 보인다는 점을 지적하고, 개인 수준의 데이터 없이도 적용 가능한 새로운 인과적 집계 공식을 제안하여 실제 연구에서 기존 방법과 상충되는 위험한 결론을 도출할 수 있음을 입증했습니다.
Constructing Evidence-Based Tailoring Variables for Adaptive Interventions
이 논문은 적응형 중재의 효과성을 높이기 위해 치료 수정 결정을 안내하는 '맞춤 변수'를 체계적으로 개발하고 최적화하기 위한 방법론적 프레임워크를 제시하며, 특히 2 차 데이터 분석의 한계를 보완할 수 있는 최적화 무작위 대조 시험과 같은 실험적 설계의 중요성을 강조합니다.
Two-sample comparison through additive tree models for density ratios
이 논문은 새로운 균형 손실 함수를 도입하여 두 분포의 밀도 비율을 추정하는 가법 트리 모델을 제안하고, 이를 통해 효율적인 학습과 베이지안 불확실성 정량화를 가능하게 하며, 특히 미생물군집 데이터와 같은 고차원 데이터에서 생성 모델의 품질 평가에 효과적임을 입증합니다.