Hippocratic Utility
该论文指出，尽管“希波克拉底效用”函数（即优先珍视因不施加有害治疗而获救的生命，而非因治疗而获救的生命）具有伦理动机，但其适用范围可能因实际案例而受限。
📊 Category
stat.OT
15 篇论文
Anomaly detection using surprisals
该论文提出了一种基于“惊奇度”（surprisal）及其尾部概率的统一定义框架，通过结合经验估计与极值理论，将复杂数据的异常检测转化为对惊奇度分布上尾的估计，从而在模型误设情况下有效识别包括低密度间隙中的“内点”异常。
Causal Regime Detection in Energy Markets With Augmented Time Series Structural Causal Models
该论文针对能源市场中连续发生的机制转换及现有方法缺乏因果解释的局限，提出了一种结合神经因果发现与多变量时序数据的增强型时间序列因果模型（ATSCM），旨在通过可解释的因子和动态因果图实现对电价形成机制的深入理解及反事实推理。
Towards Causal Market Simulators
本文提出了一种结合变分自编码器与结构因果模型的时序神经因果模型（TNCM-VAE），通过引入有向无环图约束和因果 Wasserstein 距离，成功生成了既保留时间依赖性又符合因果机制的金融合成数据，从而显著提升了反事实概率估计的准确性并支持更可靠的金融压力测试与情景分析。
Sequential Causal Normal Form Games: Theory, Computation, and Strategic Signaling
该论文将因果博弈扩展至序贯场景并证明其计算复杂性，但实证结果表明，在理性最佳响应假设下，序贯因果均衡并未带来比经典斯塔克尔伯格均衡更高的社会福利，从而揭示了基于理性选择的标准博弈框架与因果推理优势之间的根本性不兼容。
Beyond Reproducible Research: Building a Formal Representation of a Data Analysis
该论文提出并实现了一种数据分析的正式表示方法，旨在通过外化其逻辑构建过程来揭示分析师的推理、假设和前提，从而在不依赖原始数据的情况下评估分析质量、可视化逻辑联系并检验假设的敏感性。
Bayesian Linear Programming under Learned Uncertainty: Posterior Feasibility Guarantees, Scenario Certification, and Applications
本文提出了一种将贝叶斯学习与线性规划相结合的框架，通过利用数据更新不确定性分布并构建后验可行性保障（包括可信域鲁棒化、后验场景法及蒙特卡洛认证），在提升决策安全性的同时实现了具有可解释性的不确定性感知优化。
A Hierarchical Bayesian Dynamic Game for Competitive Inventory and Pricing under Incomplete Information: Learning, Credible Risk, and Equilibrium
本文提出了一种结合贝叶斯学习与可信风险准则的层级贝叶斯动态博弈框架，用于解决竞争环境下信息不完全时的库存与定价决策问题，并通过仿真及生物数据实证验证了该模型在不确定性环境下的有效性与跨领域适用性。
Variable selection in linear mixed model meta-regression with suspected interaction effects -- How can tree-based methods help?
该研究通过真实数据与模拟实验表明，虽然在线性交互效应下传统线性方法表现更优，但在交互效应偏离线性或样本量增加时，基于稳定选择的随机效应树等树基方法能作为线性模型的有力补充，有效解决元回归中交互效应的变量选择问题。
LLY Ricci Reweighting in Stochastic Block Models: Uniform Curvature Concentration and Finite-Horizon Tracking
该论文研究了平衡二块随机块模型中基于 Lin-Lu-Yau 里奇曲率的边重加权方法，证明了在中等密度下曲率的均匀集中性，表明单次重加权即可增强社区内连接并扩大谱聚类的特征间隙，同时给出了有限步迭代重加权过程的确定性追踪理论及非渐近聚类误差界。
Statistical Methodology Groups in the Pharmaceutical Industry
本文探讨了制药行业中专门统计方法组的设立、职能与价值，并分析了为确保其通过创新方法提升药物研发效率与成功率而所需的关键组织考量与成功要素。
Robust Estimation of Polychoric Correlation
本文提出了一种基于稳健损失函数的新型多分格相关系数估计量，该估计量无需对模型误设的类型或程度做假设，在保持与最大似然估计法相同计算成本的同时，能够有效抵抗因 careless respondents 等导致的模型部分误设，并在模拟与实证研究中展现出优异的稳健性与实用性。
Either a Confidence Interval Covers, or It Doesn't (Or Does It?): A Model-Based View of Ex-Post Coverage Probability
本文通过思想实验和形式化论证，挑战了将置信区间仅视为“要么覆盖要么不覆盖”的传统行为主义解读，主张从模型视角将置信度重新理解为对覆盖指示器的预测概率，从而为单次观测下的覆盖概率陈述提供了理论依据。
Confidence as Forecast: A Decision-Theoretic Interpretation of Confidence Intervals
本文提出了一种决策论视角，将置信区间解释为对覆盖事件的概率预测，论证了标称置信水平$1-\alpha$在严格评分规则下是覆盖概率的最优常数预测，并展示了在特定设计下如何利用条件统计量进行改进，从而在不依赖先验分布或主观信念的情况下解决置信区间的解释难题。
Engaging students with statistics through choice of real data context on homework
该研究通过准实验发现，尽管在入门统计课程中让学生自主选择作业数据情境并未显著改变成绩，但能显著提升其学习投入度、内在动机及对统计现实价值的认可，因此建议教师采用真实数据、精选受学生关注的主题、提供多样化情境并将选择权作为教学工具。