Post-Experiment Decisions: The Dual Adjustments for Rollout and Downstream Optimizations
이 논문은 실험 결과의 불확실성으로 인한 비대칭적 비용을 해결하기 위해, 표준 추정치를 기반으로 롤아웃 규칙과 하류 최적화를 각각 조정하는 '예측 - 조정 - 롤아웃 - 최적화 (PATRO)' 프레임워크를 제안하여 베이지안 최적 기준에 근사하는 효율적인 의사결정 방식을 제시합니다.
📊 Category
stat
254 편의 논문
Strong Gaussian approximation for U-statistics in high dimensions and beyond
이 논문은 고차원 환경에서 U-통계량의 전체 시퀀스를 균일하게 근사하는 강력한 가우스 근사 이론을 정립하고, 이를 통해 변화점 검정 및 자기정규화 관련성 검정 등 다양한 고차원 통계 추론을 위한 통합된 확률론적 기반을 제공합니다.
Conformal prediction for high-dimensional functional time series: Applications to subnational mortality
이 논문은 모델 의존성과 계산 비용의 한계를 극복하기 위해 분할 및 순차적 컨포멀 예측 기법을 고차원 기능성 시계열에 적용하여 일본과 캐나다의 지역별 사망률 예측 구간을 생성하고 그 성능을 평가합니다.
Investigations of Heterogeneity in Diagnostic Test Accuracy Meta-Analysis: A Methodological Review
이 방법론적 검토는 2024 년 진단 정확도 메타분석에서 이질성 조사 (IoH) 가 빈번하게 수행되지만, 통계 모델 선택의 명확성 부족과 사전 계획의 미흡 등 방법론적 투명성과 엄격성 측면에서 개선이 필요함을 보여줍니다.
A Python implementation of some geometric tools on Kendall 3D shape space for practical applications
이 논문은 Kendall 3D 형상 공간의 이론적 개념을 실용적인 계산 워크플로우로 전환하여, 현재 주류 라이브러리인 Geomstats 에는 부재한 고급 3D 형상 분석 도구를 제공하는 파이썬 구현을 소개합니다.
Beyond Accuracy: Reliability and Uncertainty Estimation in Convolutional Neural Networks
이 논문은 딥러닝 모델의 정확도뿐만 아니라 신뢰성과 불확실성 추정 능력을 평가하기 위해 몬테카를로 드롭아웃과 컨포멀 예측 기법을 비교 분석하여, GoogLeNet 이 더 잘 보정된 불확실성을 제공하고 컨포멀 예측이 통계적으로 보장된 예측 집합을 통해 고위험 의사결정 맥락에서 실용적 가치가 있음을 밝혔습니다.
Multiple change-point detection on the circle via isolation using permutation testing
이 논문은 원형 신호의 다중 변화점 탐지를 위해 순열 검정을 활용한 'PCID'라는 새로운 방법을 제안하고, 다양한 시뮬레이션 및 실제 데이터셋을 통해 그 유효성과 실용성을 입증합니다.
ReTabSyn: Realistic Tabular Data Synthesis via Reinforcement Learning
이 논문은 데이터 부족과 불균형이 있는 표본 데이터 환경에서 예측 성능을 극대화하기 위해 강화 학습을 활용하여 특징 간 상관관계를 보존하는 조건부 분포 학습에 중점을 둔 새로운 합성 데이터 생성 프레임워크 'ReTabSyn'을 제안합니다.
Bayesian Design and Analysis of Precision Trials with Partial Borrowing
이 논문은 정밀 의학 시대의 임상 시험에서 희귀 하위 집단의 효과를 정확히 추정하기 위해 외부 데이터의 적합도에 기반한 개별 가중치 모델을 제안하고, 이를 동적 차용 방법과 비교하며 베이지안 설계 프레임워크를 통해 표본 크기와 의사결정 기준을 설정하는 실용적인 방법론을 제시합니다.
Beyond Reproducible Research: Building a Formal Representation of a Data Analysis
이 논문은 데이터 분석의 재현성을 넘어 분석가의 논리적 추론을 외부화하는 형식적 표현 체계를 제안하고, 이를 통해 데이터 없이도 분석의 질을 평가하고 가설의 민감성을 분석할 수 있음을 보여줍니다.
Risk time splitting for improved estimation of screening programs effect on later mortality
이 논문은 선별 검사 프로그램의 사망률 영향 평가를 위해 기존 정제 사망률 방법의 한계를 극복하고 모든 데이터를 활용하여 추정 정밀도를 높인 새로운 통계적 기법을 상세히 설명하고 최대우도추정을 추가하여 보편적 사용을 가능하게 했으며, 노르웨이와 덴마크 데이터 적용을 통해 기존 방법보다 훨씬 좁은 신뢰구간을 확보했음을 보여줍니다.
Kernel Tests of Equivalence
이 논문은 기존 동등성 검정의 한계를 극복하고 분포 전체의 차이를 평가하기 위해 커널 스타인 불일치와 최대 평균 불일치를 활용한 새로운 커널 기반 동등성 검정 방법을 제안합니다.
Estimands and the Choice of Non-Inferiority Margin under ICH E9(R1)
본 논문은 ICH E9(R1) 에 따른 추정량 (estimand) 의 선택이 비열등성 마진 결정에 미치는 영향을 시뮬레이션과 사례를 통해 분석하며, 특히 과거 임상시험의 추정량과 현재 연구의 추정량이 일치하지 않거나 추정량 프레임워크가 적용되지 않았을 때 마진 설정이 직면하는 도전 과제를 조명합니다.
Redefining shared information: a heterogeneity-adaptive framework for meta-analysis
이 논문은 각 연구 간의 이질성을 고려하여 데이터셋 간 공유 정보량을 적응적으로 조절하는 새로운 메타분석 프레임워크를 제안하고, 이를 통해 편향을 줄이고 추정 효율성을 향상시키는 방법을 제시합니다.
Calibrated Bayesian Nonparametric Tolerance Intervals
이 논문은 분포 가정이 불확실하거나 표본 크기가 작은 상황에서도 윌크스 (Wilks) 와 같은 기존 비모수 방법보다 더 짧은 허용 구간을 유지하면서 신뢰할 수 있는 빈도론적 커버리지를 보장하도록 학습률을 보정하는 칼리브레이션된 깁스 사후분포 기반의 새로운 비모수 허용 구간 추정 방법을 제안합니다.
Quantifying Membership Disclosure Risk for Tabular Synthetic Data Using Kernel Density Estimators
이 논문은 커널 밀도 추정 (KDE) 을 기반으로 훈련 데이터의 분포와 합성 데이터 간의 거리 분포를 모델링하여, 기존 방법보다 정밀하고 계산 효율적으로 표본 합성 데이터의 구성원 유출 위험을 정량화하는 실용적인 프레임워크를 제안합니다.
Covariate-adjusted statistical dependence representation through partial copulas: bounds and new insights
이 논문은 공변량에 따른 종속성을 제거한 후 두 변수 간의 관계를 나타내는 부분 코풀라 (partial copula) 가 부분 상관관계의 비선형 유사체임을 증명하고, 조건부 코풀라의 종속성 특성이 부분 코풀라의 형태를 어떻게 제한하는지 규명하며 시뮬레이션을 통해 인과 추론에서의 활용 가능성을 제시합니다.
When should we trust the annotation? Selective prediction for molecular structure retrieval from mass spectra
이 논문은 질량 스펙트럼으로부터 분자 구조를 식별하는 기계학습 모델의 신뢰성을 높이기 위해, 불확실성이 높은 경우 예측을 보류하는 선택적 예측 프레임워크를 제안하고, 특히 검색 수준에서의 알레토릭 불확실성 측정이 위험 - 커버리지 트레이드오프를 효과적으로 개선하여 사용자가 허용 가능한 오차율을 설정하고 이를 만족하는 주석의 하위 집합을 보장할 수 있음을 보여줍니다.
Ranking Reasoning LLMs under Test-Time Scaling
이 논문은 테스트 시간 확장 하에서 추론형 LLM 을 평가하기 위한 통계적 순위 산출 방법들을 구현한 오픈소스 라이브러리 'Scorio'를 소개하고, 다양한 벤치마크에서 이 방법들이 신뢰할 수 있는 모델 순위 매기기를 가능하게 함을 보여줍니다.
Causal Survival Analysis in Platform Trials with Non-Concurrent Controls
이 논문은 플랫폼 임상시험에서 비동시 대조군을 포함할 경우 편향이 발생할 수 있음을 지적하며, 동시 대조군만을 대상으로 공변량 보정 이중강건 (DR) 추정량을 사용하는 것이 편향을 피하면서도 정밀도를 높이는 가장 견고한 방법임을 제안합니다.