161 papers
Deze paper introduceert een uniek kalibratiekader dat heterogene informatie uit diverse bronnen, zoals machinelearningvoorspellingen en externe data, integreert in gerandomiseerde experimenten via convex optimalisatie, waarbij een schatter wordt gegenereerd die zowel geldig is als asymptotisch nooit minder efficiënt is dan bestaande methoden.
Dit artikel onderzoekt de asymptotische wet van kwadratische vormen van zwaarstaartende zelfgenormaliseerde vectoren, waarbij wordt aangetoond dat de limietwet uitsluitend wordt bepaald door de diagonaalelementen van de matrix en de index , en past deze resultaten toe om de atoomvrije aard van de -zware Marčenko--Pastur-verdeling voor zwaarstaartende steekproefcorrelatiematrices te bewijzen.
Dit artikel introduceert een Hájek-Le Cam-asymptotisch perspectief op maximale ancillariteit om semiparametrisch efficiënte procedures te definiëren die nuisance-parameters volledig elimineren zonder schatting, waarbij in LAN-experimenten residu-rangen en tekens op basis van maattransport worden gebruikt om eindsteekproef-distributievrije restricties te verkrijgen die de efficiëntiegrenzen behouden.
Dit artikel introduceert een niet-parametrische dichtheidsschatting voor composities met ontbrekende data op het simplex, gebaseerd op inverse-kansweging en een adaptieve Dirichlet-kern, waarvan de asymptotische eigenschappen worden bewezen en de superioriteit in simulaties en een toepassing op NHANES-leukocytendata wordt aangetoond.
Dit monografie biedt een rigoureuze overzicht van de theoretische en methodologische aspecten van probabilistische inferentie en leren met behulp van de methode van Stein, inclusief de constructie van Stein-discrepanties, hun eigenschappen en de verbinding met Stein-variational gradient descent.
Deze paper introduceert TV-Select, een geünificeerd raamwerk dat variabele selectie en het onderscheid tussen constante en tijdvariërende effecten combineert via dubbele straffing, waardoor de modelkwaliteit en voorspellende prestaties bij longitudinale data verbeteren.
Dit artikel introduceert een Bayesiaanse momenten-benadering op basis van exponentieel gekantelde empirische waarschijnlijkheid om endogeniteit in lineaire regressiemodellen te testen, waarbij wordt aangetoond dat de methode consistent is en wordt geïllustreerd met zowel gesimuleerde als empirische data over vraag naar auto's en vliegtickets.
Dit paper introduceert een theoretisch kader gebaseerd op deeltjesschermen (particle filtering) om de nauwkeurigheids-kostentrade-offs van inferentiemethoden voor grote taalmodellen die meerdere samples aggregeren en pruning toepassen, rigoureus te analyseren en fundamentele grenzen te identificeren.
Dit artikel onderzoekt de punt- en intervalindicatie van differentie-entropie voor twee normale populaties onder voorafgaande ordebeperkingen, waarbij verbeterde schatters en betrouwbaarheidsintervallen worden afgeleid en gevalideerd met behulp van numerieke studies en een praktijkvoorbeeld.
Dit artikel ontwikkelt een asymptotische theorie voor post-hoc statistische inferentie die, in tegenstelling tot eerdere niet-asymptotische methoden, zwakkere aannames vereist en scherpere resultaten oplevert voor betrouwbaarheidsintervallen en p-waarden die ook na het zien van de data geldig blijven.
Dit artikel introduceert de -footrule-coëfficiënt, een op copula's gebaseerde maatstaf voor negatieve associatie die de -afstand tot de contra-monotone copula meet, en toont de relatie met Gini's gamma en Spearman's footrule aan, terwijl het ook een consistent en asymptotisch normaal rank-gebaseerd schatter voorstelt.
Dit artikel onderzoekt contextgevoelige hypothese-toetsing met een multiplicatieve gewichtsfunctie en leidt de optimale verliesexponent af via een gewogen Chernoff-informatie, die wordt geïdentificeerd als de maximalisator van het log-normaaliseringsmiddel van een ingebedde exponentiële familie.
Dit artikel introduceert het concept van sign-identificeerbaarheid voor driftcoëfficiënten in stationaire stochastische differentiaalvergelijkingen met een bekende causale structuur maar onbekende diffusiematrix, en levert criteria om te bepalen of de tekens van causale effecten uniek kunnen worden afgeleid uit observationele covariantiematrices.
Dit artikel introduceert een variational raamwerk voor set-gewaardeerde processen dat, via een even-oneven decompositie van steunfuncties, een orthogonale scheiding tussen grootte en locatie mogelijk maakt om nieuwe correlatiemaatstaven te definiëren, -mixing-coëfficiënten af te leiden en wetten van de grote aantallen te bewijzen voor Minkowski-gemiddelden.
Dit artikel stelt de limietverdeling van het spectrum van Kendall's correlatiematrixen vast in matig hoge dimensies onder heterogene verdelingen en toont aan dat het negeren van deze heterogeniteit kan leiden tot vals-positieve detecties van afhankelijkheid.
Dit artikel introduceert een Laguerre-reeksgebaseerde schatter voor variabele-coëfficiëntenmodellen die minimax-optimale convergentiesnelheden bereikt, asymptotische normaliteit garandeert voor inferentie, en zijn effectiviteit aantoont via simulaties en een toepassing op reële data.
Dit artikel toont aan dat bij Bayesiaanse inferentie van aangeplante matchings tussen gecorreleerde puntsets in één dimensie de posteriorverdeling benaderbaar is door lokale algoritmen voor partiële matchings, terwijl voor exacte matchings globale sortering en een specifieke indexering nodig zijn om de statistische limiet te definiëren.
Dit artikel onderzoekt de asymptotische eigenschappen van cut-verdelingen, bewijst een Bernstein-von Mises-stelling en stelt een algoritme op basis van Posterior Bootstrap voor dat betrouwbare credible regions biedt voor robuuste modulaire Bayesiaanse inferentie.
Dit artikel presenteert een wiskundig raamwerk en een numeriek algoritme voor het oplossen van het continue inverse probleem bij ruwe differentiaalvergelijkingen, waarbij een ruw pad wordt geconstrueerd dat een geobserveerde trajectorie genereert door gebruik te maken van discrete benaderingen en signatuurrepresentaties.
Dit artikel presenteert een methode die gebruikmaakt van het centrale limiettheorema en een gemengde inverse-Gauss-verdeling met een aangepast Expectation-Maximization-algoritme om de responsietijden en faalpercentages van stationaire periodieke Rate Monotonic real-time systemen nauwkeurig te schatten.