441 편의 논문
이 논문은 가장 작은 표준 오차를 가진 다중 대체 분석을 선택하는 것이 필수적인 대체 간 분산을 버리고 대체 간 분산을 인위적으로 낮춤으로써 통계적 추론을 체계적으로 무효화하며, 이로 인해 신뢰 구간의 피복률이 심각하게 저하되고 추정치가 편향되는 반면, 루빈(Rubin)의 통합 규칙은 교정(calibration)을 올바르게 보존한다는 것을 입증한다.
6,730건의 수동 이중 입력 설문지를 대상으로 한 이 연구는 해당 과정이 1,000건의 입력당 약 4개의 오류를 방지한다는 것을 보여주며, 복잡한 질문과 경험이 적은 데이터 입력 요원 사이에서 오류율이 유의미하게 더 높게 나타났다.
이 논문은 웜업(warmup) 단계 동안 여러 개의 병렬 체인으로부터 그래디언트와 위치 정보를 결합하여 더 안정적인 질량 행렬(mass matrix) 추정치를 구축함으로써, 특히 중간 차원의 설정에서 표준 단일 체인 적응 방식에 비해 샘플링 효율과 유효 샘플 크기를 크게 향상시키는 방법론인 Collaborative NUTS(C-NUTS)를 제안한다.
상호 강화에 관한 수학적 모델과 4만 명의 일본인 연구자들에 대한 실증적 분석을 결합함으로써, 본 연구는 경력 초기 연구 자금을 받는 것이 수십 년에 걸쳐 통계적으로 유의미하고 확대되는 성과 격차를 창출한다는 점을 입증하며, 이는 초기 재능을 통제하더라도 '마태 효과'가 과학적 경력에서의 장기적인 계층화를 주도한다는 것을 확인해 준다.
본 논문은 불확실한 실제 시나리오에서 전문가 의견의 수용 수준을 더 잘 포착하기 위해 새로운 복합 확률적 뉴트로소픽(CPN) 집합을 도입하고, 새로운 가중 평균 및 기하 평균 집합 연산자를 제안하며, 자동차 선택 사례 연구와 비교 분석을 통해 그에 상응하는 다기준 의사결정 프레임워크를 검증한다.
이 논문은 계층적 계산 모델과 종단 데이터를 결합하여 전통적인 2단계 방식보다 행동 과정의 개인별 변화를 더 정확하게 추정함으로써 정신병리의 병인을 이해하는 데 향상된 통찰력을 제공하는 결합 모델링 접근법인 "계산 성장 모델링(computational growth modeling)"을 소개하고 검증한다.
본 연구는 모델링된 인구 추정치가 국가 및 하위 행정 구역 수준에서 강력한 상관관계를 보임을 확인하여 잠비아의 2022년 인구 조사 데이터와 비교함으로써 센서스 독립적 모델링 인구 추정치의 정확성을 검증하였으며, 체계적인 과대 추정을 줄이기 위해서는 주거 정착지 계층화의 정교화가 필수적임을 밝혀냈다.
이 논문은 기존 베이지안 최대 엔트로피의 계산적 한계를 극복하기 위해 베치아(Vecchia) 그래픽 추론과 가우시안 기대값 및 혼합 전파를 결합하여, 정확도를 높게 유지하면서도 메모리와 시간 비용을 획기적으로 줄임으로써 정밀 관측치와 소프트 관측치를 모두 포함하는 대규모 환경 데이터셋을 효율적으로 처리할 수 있는 확장 가능한 방법론인 VISTA-BME를 소개한다.
본 연구는 합성 검증 코호트를 확대하는 것이 조건부 정밀도를 향상시킬 수 있으나, 과도한 오류를 완화하기 위한 소스 리피팅(source refitting)이 적용되지 않을 경우 저위험 클레임에 대한 허위 인증율을 흔히 높이게 되며, 이러한 교정 작업은 통계적 검정력의 손실을 동반하고 고정된 오설정(misspecification) 하에서의 편향을 완전히 제거하지 못한다는 점을 입증한다.
이 논문은 베르누이 순방향 사건을 가능도 동전으로 변환하기 위해 번스타인-푸아송 구성을 활용함으로써, 함수값 타원형 문제에 대한 연속체 실현과 날카로운 복잡도 경계치를 가능하게 하여 모델 독립적인 사후 샘플링을 가능하게 하는 역문제에 대한 정밀한 베이지안 계산 프레임워크를 소개한다.