447 편의 논문
이 논문은 최소한의 모멘트 조건(유한한 ) 하에서 최적의 수렴 속도와 변수 선택 일관성을 달성하며, 무거운 꼬리, 왜도 또는 오염된 오차를 다룰 때 시뮬레이션과 실제 유전체 응용 분야 모두에서 기존 방법들보다 뛰어난 성능을 보이는 고차원 회귀를 위한 강건한 정규화 M-추정량 클래스를 소개한다.
본 논문은 고차원 데이터셋의 노이즈와 계산적 난제를 효과적으로 해결하는 안정성 기반 튜닝 기준을 갖춘 새로운 볼록 최적화 방법인 SpaCoBi(Sparse Convex Biclustering)를 제안하며, 기존의 최첨단 바이클러스터링 기술들과 비교하여 우수한 정확도와 강건성을 입증한다.
이 논문은 복합 품질 등급을 회귀 모델의 공변량으로 포함하는 것이 구조적 예측 변수의 추정 효과를 체계적으로 약화시키는 순환성 편향을 유발한다는 점을 입증하며, 이러한 방법론적 위험은 CMS 병원 재입원 데이터와 몬테카를로 시뮬레이션을 통해 확인되었다.
이 연구는 계층적 표류 확산 모델링(hierarchical drift diffusion modeling)을 통해 밝혀진 바와 같이, 인지된 자원 희소성이 특히 높은 객관적 위험 상황에서 위험한 선택지로 향하는 표류율(drift rate)을 가속화함으로써 위험한 의사결정을 증가시킨다는 것을 입증한다.
본 논문은 순위 집계형 이상치 앙상블과 공준 비용 참조 밴드를 통합하여 감사 우선순위 결정을 지원하는 동시에 통계적 이상치와 부정행위의 증거를 구분함으로써, 메디케어 지급 무결성을 위한 설명 가능하고 재현 가능한 공공 데이터 프레임워크를 제시한다.
이 논문은 집단 값을 중앙값과 비교함으로써 왜도(skewed distributions), 이상치(outliers) 및 작은 표본 크기에 대한 민감도를 줄이는 동시에 학생 성취에 대한 실질적인 해석과 더 잘 부합하도록 하여, 코헨의 d(Cohen's d)보다 더 직관적이고 강건한 대안을 제공하는 수학교육 연구를 위한 중앙값 기반 효과 크기 지표를 소개한다.
이 논문은 측정 오차의 영향을 받는 건강 데이터의 정확도를 크게 향상시키고, 편향을 줄이며, 신뢰성을 높이기 위해 비선형 예측 모델링과 계층적 불확실성 교정을 통합한 하이브리드 머신러닝-베이지안 시스템인 HAIB-MEC 프레임워크를 소개한다.
이 논문은 공통된 추세나 외부 요인에 의해 유발되는 가짜 연관성으로부터 진정한 단조 관계를 효과적으로 구별하기 위해, 켄달의 와 베르그스마-다시오스의 의 제곱근 사이의 차이로 정의되는 단순 순위 기반 진단법인 무의미 의존 지수(Nonsense Dependence Index, NDI)를 소개한다.
본 연구는 인도네시아 보험 종합소득 예측을 위해 SARIMA와 LSTM 모델을 비교하며, SARIMA가 계절적 추세를 더 잘 포착하는 반면 두 모델 모두 정확도가 제한적임을 발견하였고, 이는 예측 성능을 향상시키기 위해 향후 하이브리드 접근 방식과 외부 변수가 필요함을 시사한다.
본 연구는 탄자니아의 폐결핵-HIV 보충 요법 시험에서 단조 결측 데이터를 처리하기 위해 성향 점수 역확률 가중치(PS-IPW)와 다중 대치법(MI)을 완전 사례 분석과 비교 평가하였으며, 두 고급 방법 모두 전통적인 분석보다 편향과 효율성 측면에서 우수한 성능을 보였으나 두 방법 모두 통계적으로 유의미한 치료 효과를 밝혀내지는 못했다는 것을 확인하였다.