Calibrated Bayesian Nonparametric Tolerance Intervals
本文提出了一种基于校准吉布斯后验的非参数方法，通过利用非对称拉普拉斯损失函数并校准学习率，在无需参数假设的情况下构建出兼具可靠覆盖率与更短区间长度的贝叶斯容忍区间。
📊 Category
stat.ME
222 篇论文
Covariate-adjusted statistical dependence representation through partial copulas: bounds and new insights
本文通过证明偏 Copula 是偏相关系数的非线性类比，并揭示条件 Copula 的依赖属性如何约束偏 Copula 的形式，展示了其在去除协变量影响后刻画统计依赖关系及辅助因果推断方面的潜力。
Causal Survival Analysis in Platform Trials with Non-Concurrent Controls
该论文针对平台试验中的非并发对照组问题，建立了一个以并发人群为目标的因果生存分析框架，并通过实证与理论分析表明，相较于盲目合并非并发数据，仅使用并发对照并结合协变量调整的双重稳健估计法，是提升精度且避免偏差的最稳健策略。
Don't Disregard the Data for Lack of a Likelihood: Bayesian Synthetic Likelihood for Enhanced Multilevel Network Meta-Regression
本文提出了一种基于贝叶斯合成似然（BSL）的改进型多层次网络 Meta 回归方法，通过利用亚组汇总数据并解决哈密顿蒙特卡洛（HMC）在随机梯度估计和非可微似然函数上的应用挑战，显著提升了在个体患者数据缺失情况下的治疗效果比较精度。
A Bayesian Approach for the Variance of Fine Stratification
本文提出了一种用于细粒度分层抽样中合并层方差估计的层次贝叶斯估计量，并通过模拟研究与实际数据分析证明，该方法在偏差和均方误差方面均优于现有的伪分层、非参数贝叶斯及基于核的估计方法。
Bayesian nonparametric modeling of heterogeneous populations of networks
本文提出了一种基于位置 - 尺度狄利克雷过程混合模型的贝叶斯非参数方法，利用以 Erdős–Rényi 核为中心的参数化网络代表和离散度度量，有效识别具有相似连接模式的异质网络群体，并证明了其理论性质、开发了高效的 MCMC 推断算法及大规模节点扩展策略，且在模拟和人类脑网络数据分析中表现优异。
Theoretical Foundations of Conformal Prediction
本书旨在通过统一的语言、图示和教学视角，系统梳理并阐释共形预测及相关分布无关推断技术的核心理论基础与证明策略，以填补该领域重要研究成果分散在各类论文中导致的理解空白。
Fast QR updating methods for statistical applications
该论文提出了一种专为回归、滤波和模型选择等统计应用设计的快速 R 矩阵更新算法，通过避免重新计算 Q 矩阵，在保持精度的同时显著降低了高维动态数据场景下的计算成本。
Covariate balancing estimation and model selection for difference-in-differences approach
本文提出了一种结合协变量平衡与双重稳健性质的改进型半参数双重差分估计量，并推导了针对该方法的新型模型选择准则，通过数值模拟和实证分析证明了其在估计处理效应及模型选择风险上均优于传统方法。
Designing clinical trials for the comparison of single and multiple quantiles with right-censored data
本文基于 Kosorok (1999) 提出的分位数检验，针对右删失数据构建了单个或多个分位数比较的新功效公式，并提出利用重采样方法估计概率密度函数以替代核密度估计，从而为不满足比例风险假设的临床试验提供了基于生存分位数的实用设计与分析工具。
Omnibus goodness-of-fit tests for univariate continuous distributions based on trigonometric moments
本文提出了一种基于概率积分变换数据三角矩的新颖拟合优度检验，通过充分利用三角统计量的协方差结构，使检验统计量在存在 nuisance 参数时仍收敛于 分布，并提供了涵盖 11 种常用连续分布族的统一实现方案，经模拟验证具有准确的显著性水平和强大的检验功效。
Estimation and exclusion restrictions in clustered linear models
该论文提出了一种适用于具有高维控制变量和复杂排除限制且存在组内依赖的线性回归模型的、具有正确中心化内部工具变量的估计量，并推导了相应的中心极限定理与稳健方差估计，同时开发了识别稳健的推断程序，该方法被应用于肯尼亚农村大规模财政干预中由空间溢出效应产生的排除限制模式分析。
Learning Centre Partitions from Summaries
该论文提出了一种基于多中心汇总统计量的序贯聚类算法（CoC），通过多轮 Cochran 型检验与自助法重采样，在检验参数同质性的同时实现中心分组的准确恢复，并证明了其在大样本下以概率趋近于 1 恢复真实分组的理论性质。
Surface decomposition method for sensitivity analysis of first-passage dynamic reliability of linear systems
本文提出了一种针对高斯随机激励下线性系统首次穿越动态可靠度灵敏度的曲面分解方法，通过将灵敏度分解为约束分量极限状态超曲面上的面积分之和，并结合重要性抽样策略，实现了仅需少量函数评估即可高效分析大量设计参数的高效可靠度灵敏度计算。
Diagnostics for Semiparametric Accelerated Failure Time Models with R Package afttest
本文介绍了 R 语言包 `afttest`，该包通过实现基于乘子自助法和一种计算高效的线性近似重抽样策略，为半参数加速失效时间模型提供了全面的拟合优度诊断工具，在保留渐近有效性的同时显著降低了计算成本。
Comparing Variable Selection and Model Averaging Methods for Logistic Regression
该研究通过大规模模拟和实证分析比较了 28 种逻辑回归变量选择与推断方法，发现无分离情形下基于 g 先验的贝叶斯模型平均（BMA）表现最佳，而存在分离时 LASSO 等惩罚似然方法更稳健，且 EB-local 先验的 BMA 在两种情况下均具有竞争力。
Improved inference for nonparametric regression and regression-discontinuity designs
本文通过建立稳健偏差校正（RBC）方法与自助法预转换（bootstrap prepivoting）之间的新联系，提出了一种新的偏差校正程序，使得非参数回归和断点回归设计中的置信区间在保持渐近覆盖率的同时，长度比传统方法缩短了 17%。
An intuitive rearranging of the Yates covariance decomposition for probabilistic verification of forecasts with the Brier score
该论文提出了一种对 Brier 分数中 Yates 协方差分解的直观代数重排，将其转化为方差失配、相关度不足和大尺度校准三个非负项，从而清晰揭示了完美概率预报需同时满足方差匹配、完全正相关及均值匹配的最优条件。
Two-stage Adaptive Design Cluster Randomised Trials
本文提出了一种适用于整群随机试验的两阶段自适应设计方法，通过结合组合检验、多阶段样本量重估及帕累托最优平衡策略，有效解决了因群内相关性参数不确定导致的试验成本高昂问题，并展示了其在阶梯楔形设计及 E-MOTIVE 试验重分析中的应用。
Change Point Detection for Cell Populations Measured via Flow Cytometry
该论文提出了一种基于潜在空间高斯混合专家模型的变点检测方法，利用组融合 LASSO 惩罚和 ADMM 算法分析流式细胞术数据，成功识别出与海洋省际过渡带相吻合的浮游植物分布突变点。