論文の概要: Causal effects based on distributional distances

• arxiv url: http://arxiv.org/abs/1806.02935v3
• Date: Sat, 02 Nov 2024 13:58:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-06 14:57:04.364590
• Title: Causal effects based on distributional distances
• Title（参考訳）: 分布距離に基づく因果効果
• Authors: Kwangho Kim, Jisu Kim, Edward H. Kennedy,
• Abstract要約: 本研究では,2種類の対象パラメータに着目し,分布距離による因果効果の特徴付けを検討する。 まず, 対物的結果密度を2倍に高め, 対物的結果密度を2倍に推算する手法を提案する。 2つ目は、異なる反事実分布間の$L_q$距離によって定義される新しい分布因果効果である。
• 参考スコア（独自算出の注目度）: 5.087519744951637
• License:
• Abstract: Comparing counterfactual distributions can provide more nuanced and valuable measures for causal effects, going beyond typical summary statistics such as averages. In this work, we consider characterizing causal effects via distributional distances, focusing on two kinds of target parameters. The first is the counterfactual outcome density. We propose a doubly robust-style estimator for the counterfactual density and study its rates of convergence and limiting distributions. We analyze asymptotic upper bounds on the $L_q$ and the integrated $L_q$ risks of the proposed estimator, and propose a bootstrap-based confidence band. The second is a novel distributional causal effect defined by the $L_1$ distance between different counterfactual distributions. We study three approaches for estimating the proposed distributional effect: smoothing the counterfactual density, smoothing the $L_1$ distance, and imposing a margin condition. For each approach, we analyze asymptotic properties and error bounds of the proposed estimator, and discuss potential advantages and disadvantages. We go on to present a bootstrap approach for obtaining confidence intervals, and propose a test of no distributional effect. We conclude with a numerical illustration and a real-world example.
• Abstract（参考訳）: 対物分布の比較は、平均のような典型的な要約統計を超越して、因果効果のより微妙で価値のある尺度を提供することができる。 本研究では,2種類の対象パラメータに着目し,分布距離による因果効果の特徴づけを検討する。 1つ目は、反実的な結果密度である。 本稿では, 対実密度を2倍に頑健に推定する手法を提案し, その収束率と限界分布について検討する。 提案した推定器の$L_q$と$L_q$の統合リスクの漸近上界を解析し、ブートストラップに基づく信頼バンドを提案する。 2つ目は、異なる反事実分布間の$L_1$距離によって定義される新しい分布因果効果である。 提案した分布効果を推定するための3つの手法について検討し, 対実密度の平滑化, 距離$L_1$の平滑化, マージン条件の付与について検討した。 各手法について,提案した推定器の漸近特性と誤差境界を解析し,潜在的な利点と欠点について考察する。 本稿では, 信頼区間を求めるブートストラップ手法を提案し, 分布効果の試験を提案する。 数値図式と実世界の実例で結論付ける。

関連論文リスト

• Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
  本報告では,明示的な次元の一般スコアミスマッチ拡散サンプリング器を用いた最初の性能保証について述べる。 その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。 この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
  論文  参考訳（メタデータ） (2024-10-17T16:42:12Z)
• Rejection via Learning Density Ratios [50.91522897152437]
  拒絶による分類は、モデルを予測しないことを許容する学習パラダイムとして現れます。 そこで我々は,事前学習したモデルの性能を最大化する理想的なデータ分布を求める。 私たちのフレームワークは、クリーンでノイズの多いデータセットで実証的にテストされます。
  論文  参考訳（メタデータ） (2024-05-29T01:32:17Z)
• Discriminative Estimation of Total Variation Distance: A Fidelity Auditor for Generative Data [10.678533056953784]
  本稿では,2つの分布間の総変動(TV)距離を推定する判別手法を提案する。 本手法は,2つの分布の分類におけるベイズリスクとテレビの距離の関係を定量的に評価する。 分類において、特定の仮説クラスを選択することで、テレビの距離を推定する際の高速収束率が達成できることを実証する。
  論文  参考訳（メタデータ） (2024-05-24T08:18:09Z)
• Transformer-based Parameter Estimation in Statistics [0.0]
  パラメータ推定のための変換器に基づく手法を提案する。 数値法で必要とされる確率密度関数を知る必要さえない。 提案手法は,平均二乗誤差で測定した手法と類似あるいは良好な精度を達成できることが示されている。
  論文  参考訳（メタデータ） (2024-02-28T04:30:41Z)
• Broadening Target Distributions for Accelerated Diffusion Models via a Novel Analysis Approach [49.97755400231656]
  本研究では,新しいDDPMサンプリング器が,これまで考慮されていなかった3種類の分散クラスに対して高速化性能を実現することを示す。 この結果から, DDPM型加速サンプリング器におけるデータ次元$d$への依存性が改善された。
  論文  参考訳（メタデータ） (2024-02-21T16:11:47Z)
• A Unified Framework for Multi-distribution Density Ratio Estimation [101.67420298343512]
  バイナリ密度比推定(DRE)は多くの最先端の機械学習アルゴリズムの基礎を提供する。 ブレグマン最小化の発散の観点から一般的な枠組みを開発する。 我々のフレームワークはバイナリDREでそれらのフレームワークを厳格に一般化する手法に導かれることを示す。
  論文  参考訳（メタデータ） (2021-12-07T01:23:20Z)
• Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
  ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。 そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
  論文  参考訳（メタデータ） (2021-08-25T21:30:27Z)
• Limit Distribution Theory for the Smooth 1-Wasserstein Distance with Applications [18.618590805279187]
  スムーズな1-ワッサーシュタイン距離 (SWD) $W_1sigma$ は経験的近似における次元の呪いを軽減する手段として最近提案された。 この研究は、高次元の極限分布結果を含むSWDの詳細な統計的研究を行う。
  論文  参考訳（メタデータ） (2021-07-28T17:02:24Z)
• Rates of Estimation of Optimal Transport Maps using Plug-in Estimators via Barycentric Projections [0.0]
  偏心射影によって定義される一般プラグイン推定器の収束率を包括的に解析する。 我々の主な貢献は、最小の滑らかさ仮定の下で進行するバリ中心射影の新しい安定性推定である。 本稿では, 自然離散離散分布および半離散分布推定器の収束率を算出し, この安定度推定の有用性について述べる。
  論文  参考訳（メタデータ） (2021-07-04T19:50:20Z)
• Distributionally Robust Bayesian Quadrature Optimization [60.383252534861136]
  確率分布が未知な分布の不確実性の下でBQOについて検討する。 標準的なBQOアプローチは、固定されたサンプル集合が与えられたときの真の期待目標のモンテカルロ推定を最大化する。 この目的のために,新しい後方サンプリングに基づくアルゴリズム,すなわち分布的に堅牢なBQO(DRBQO)を提案する。
  論文  参考訳（メタデータ） (2020-01-19T12:00:33Z)
• The Counterfactual $\chi$-GAN [20.42556178617068]
  因果推論は、しばしば、治療の割り当てが結果から独立していることを要求する反ファクト的枠組みに依存する。 本研究は,CGAN(Counterfactual $chi$-GAN)と呼ばれるGAN(Generative Adversarial Network)に基づくモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-09T17:23:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。