stat 篇论文 | Gist.Science

本文证明了在 Cox-Ross-Rubinstein 模型数据上训练的人工神经网络可以作为定价各类期权及计算希腊字母的一种快速、准确且通用的代理模型，从而显著降低实时风险管理和隐含波动率曲面构建的计算成本。

本文评估并比较了标准逆概率加权与两种基于聚类信息的策略在因果效应估计方面的表现，证明了虽然这两种基于聚类的方法在提高对遗漏协变量设定错误时的稳健性方面均有所提升，但它们在偏差、均方误差和覆盖率方面的相对表现取决于潜在的子群结构和样本量。

本文提出了一种针对不等规模集群的开关实验（switchback experiments）的幂最优 CUPAC 方法，该方法通过专门平衡随机化单元之间及单元内部的噪声预测，而非仅仅针对整体预测准确性，从而提高了统计功效。

本研究对 152 名沙特急救医疗技术专业学生进行了灾难准备评估工具（DPET）的心理测量学评估，将原始的 36 项工具精炼为具有强内部一致性的稳健四因子 24 项结构，以便更好地评估急救医疗服务人群的灾难准备情况。

本研究提出了一个不确定性与全局敏感性分析（UA-GSA）框架，用于评估需求、供给及出行阻抗的不确定性如何影响基于两步移动搜索法（2SFCA）的首尔城市公园可达性估算，结果表明，尽管空间格局保持一致，但主导不确定性的来源在空间和时间上存在显著差异。

本研究定量评估了用于大规模统计分析的分布式计算、子抽样以及小批量优化技术，发现虽然分布式方法能提高效能但成本高昂，且子抽样在节省资源的同时存在可扩展性限制，但小批量优化在速度、资源效率和准确性之间提供了最佳的整体平衡。

本文引入了一种受宇宙学启发的可靠性框架，该框架利用确定性扰动界限和多级准入门控来验证图拉普拉斯量上谱聚类的准确性，并证明了方向证书和振幅均匀门控在验证离散噪声下特征向量稳定性方面优于标量残差。

本文提出了一种半贝里（Semi-Berry）近似方法，该方法根据利雅普诺夫比（Lyapunov ratio）将尺度齐次随机变量划分为高斯聚合组和模拟目标组，与标准正态近似或全蒙特卡洛模拟相比，显著降低了尾部分位数误差和计算成本。

本文针对高斯向量自回归（VAR）模型中的双向格兰杰因果关系提出了一种稳健的自助法检验，该方法利用未解释互信息、交集-并集程序以及 Huber M-估计，以解决有限样本有效性、因果方向性区分以及离群值敏感性方面的缺陷。

本文介绍了拓扑因果数据分析（TCDA），这是一个将稳定的拓扑摘要与因果推断相结合的框架，用于分析图像和网络等结构化结果，并为个体和分布层面的因果效应提供了识别、估计和一致性结果，同时阐明了拓扑在因果发现中的局限性。