Insights into the Relationship Between D- and A-optimal Designs
该论文证明了在固定线性模型基下，A 最优性准则可分解为逆 D 尺度项与仅依赖特征值分散度的无量纲球形度因子，从而揭示了 D 最优设计在系数方差、别名及预测方差行为上存在差异的根本原因，并提出了基于该视角的轻量级筛选后处理方法及球形度剖面概念。
📊 Category
stat
252 篇论文
Universal Shuffle Asymptotics, Part II: Non-Gaussian Limits for Shuffle Privacy -- Poisson, Skellam, and Compound-Poisson Regimes
本文作为“通用洗牌渐近性”系列的第二部分，刻画了当局部随机化器趋于集中导致经典高斯极限失效的临界情形，证明了在特定缩放比例下，洗牌机制的隐私极限分别收敛于泊松、Skellam 及复合泊松分布，从而与第一部分共同构建了涵盖高斯、临界非高斯及超临界无隐私三种机制的完整渐近理论框架。
Trajectory-informed graph-based clustering for longitudinal cancer subtyping
该研究提出了一种结合多模态临床数据与纵向患者轨迹的轨迹导向图聚类方法，通过构建包含时间变化特征及临床状态转换的患者相似性图，成功识别出具有不同预后轨迹且与疾病进展模式一致的癌症亚型，从而弥补了传统静态分型方法的不足并推动了个性化肿瘤学的发展。
Unbalanced Optimal Transport Dictionary Learning for Unsupervised Hyperspectral Image Clustering
该论文提出了一种利用非平衡 Wasserstein 重心进行字典学习的方法，以克服现有基于 Wasserstein 空间的方法在平衡光谱分布时模糊类别并牺牲抗噪性的问题，从而实现更鲁棒的高光谱图像无监督聚类。
Pseudo Empirical Best Prediction of Multiple Characteristics in Small Areas
本文针对复杂抽样设计下多变量小区域估计问题，提出了一种基于多元嵌套误差回归模型的伪经验最佳线性无偏预测方法，并推导了统一预测器及自助法均方误差估计量，通过模拟与住房数据应用验证了其有效性。
Novel g-computation algorithms for time-varying actions with recurrent and semi-competing events
该研究提出了两种新的 g-计算算法，旨在同时解决时间变化干预中的时间变化混杂与半竞争事件（如死亡）问题，并通过模拟研究和基于国家纵向青少年至成人健康调查数据的实证分析，验证了其在评估吸烟预防对中年高血压及死亡风险影响时的无偏性与优越性。
Stability and Robustness via Regularization: Bandit Inference via Regularized Stochastic Mirror Descent
该论文建立了基于随机镜像下降的自适应采样稳定性理论，提出了一种兼具最小化遗憾与有效统计推断（如置信区间覆盖）能力的正则化 EXP3 算法，并证明了其在面对少量恶意污染时的鲁棒性。
A General Theory of Outcome Weighted Learning for Individualized Treatment Rules
本文针对个体化治疗规则，建立了基于 Matern 核和多种代理损失的广义结果加权学习理论框架，推导了 0-1 风险与代理损失之间的通用关系及收敛速率，并提出了两种迭代重加权优化算法，通过模拟和 ACTG 175 数据应用验证了其优异性能。
Bayesian Synchronization of Proxy Paleorecords with Reference Chronologies
该论文提出了一种名为 BSync 的贝叶斯同步框架，通过推断单调时间映射函数来对齐代理古记录与参考年表，从而在稀疏独立年龄约束下实现比现有方法更准确且具备完善不确定性量化的年代同步。
A Diffusion Analysis of Policy Gradient for Stochastic Bandits
该论文研究了 臂随机多臂老虎机中策略梯度的连续时间扩散近似，证明了在特定学习率下可实现对数级遗憾，并构造了仅含对数级臂的实例以证明若学习率过大则遗憾将呈线性增长。
Bayesian Hierarchical Models and the Maximum Entropy Principle
本文证明了当贝叶斯层次模型中给定超参数的先验为最大熵分布时，通过对超参数积分得到的参数边缘先验同样具有最大熵性质，只是其约束条件变为对未知量某函数的边缘分布的约束，从而揭示了层次模型所隐含的假设信息。
MultiwayPAM: Multiway Partitioning Around Medoids for LLM-as-a-Judge Score Analysis
本文提出了一种名为 MultiwayPAM 的新型张量聚类方法，旨在通过分析由问题、回答者和评估者构成的 LLM-as-a-Judge 评分张量，同时估计各维度的聚类成员与中心点，从而有效解决大语言模型评估中的高计算成本与内在偏见问题并揭示评分偏差结构。
Methods for Identifying Minimal Sufficient Statistics
本文指出判定最小充分统计量的经典比例准则在一般情况下因 Radon-Nikodym 导数版本选择问题而失效，进而提出了一种在已知充分性前提下稳健且易于验证的新准则，并扩展了相关方法的应用范围，同时通过反例揭示了另一判别准则同样需要附加假设。
Optimized combination of independent or simultaneous e-values
该论文证明了基于标准 e-过程构造的优化 e-值组合在根据数据调整参数时依然有效，这一结论适用于独立 e-值及一种介于独立性与序列有效性之间的新型“同时 e-变量”，并提出了基于初等对称多项式的改进组合检验方法。
On The Complexity of Best-Arm Identification in Non-Stationary Linear Bandits
本文针对非平稳线性 Bandit 中的固定预算最佳臂识别问题，通过建立适用于任意臂集的依赖臂集复杂度的下界，并提出了匹配该下界的 Adjacent-BAI 算法，从而揭示了该设定下比传统 G-最优设计更精细的复杂度特征。
Robust Updating of a Risk Prediction Model by Integrating External Ranking Information
该论文提出了一种通过惩罚基于排名的差异度量来整合外部预后模型排序信息的新方法，从而在无需外部模型具备特定形式且存在人群或评分差异的情况下，有效构建具有稳健预测性能的新型风险模型。
Surrogate-Assisted Targeted Learning for Delayed Outcomes under Administrative Censoring
本文提出了一种针对行政删失下延迟结局的替代辅助靶向最小损失估计量，该方法通过替代桥接表示避免了逆概率加权的不稳定性，具备渐近线性和双重稳健性，并在模拟与实证研究中展现了优异的有限样本性能。
Adaptive Active Learning for Regression via Reinforcement Learning
本文提出了一种名为加权改进贪婪采样（WiGS）的新方法，通过强化学习动态调整探索与利用的平衡，从而在回归主动学习中克服了传统静态乘积规则的局限性，显著提升了在数据分布不规则场景下的采样效率与预测精度。
Brenier Isotonic Regression
该论文提出了一种名为“布伦尼尔等距回归”的新型多输出回归方法，它利用最优传输理论将循环单调性约束转化为凸势函数优化问题，从而在概率校准等任务中展现出优于现有基线的性能。
Dual Space Preconditioning for Gradient Descent in the Overparameterized Regime
该论文研究了过参数化线性模型中双空间预条件梯度下降（涵盖归一化梯度下降、梯度裁剪和 Adam 等优化器）的收敛性，证明了其迭代序列总能收敛至完美拟合数据的解，并揭示了各向同性预条件器下的隐式偏差特性及其与标准梯度下降解的等价关系。