論文の概要: Tolerance and Prediction Intervals for Non-normal Models
- arxiv url: http://arxiv.org/abs/2011.11583v5
- Date: Mon, 17 Jan 2022 13:43:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-22 03:14:20.751390
- Title: Tolerance and Prediction Intervals for Non-normal Models
- Title(参考訳): 非正規モデルに対する耐性と予測間隔
- Authors: Geoffrey S Johnson
- Abstract要約: 予測間隔は、繰り返しサンプリングにおいてランダムプロセスから将来の観察をカバーする。
寛容間隔は繰り返しサンプリングにおいて集団パーセンタイルをカバーし、しばしば中心的な量に基づいている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A prediction interval covers a future observation from a random process in
repeated sampling, and is typically constructed by identifying a pivotal
quantity that is also an ancillary statistic. Analogously, a tolerance interval
covers a population percentile in repeated sampling and is often based on a
pivotal quantity. One approach we consider in non-normal models leverages a
link function resulting in a pivotal quantity that is approximately normally
distributed. In settings where this normal approximation does not hold we
consider a second approach for tolerance and prediction based on a confidence
interval for the mean. These methods are intuitive, simple to implement, have
proper operating characteristics, and are computationally efficient compared to
Bayesian, re-sampling, and machine learning methods. This is demonstrated in
the context of multi-site clinical trial recruitment with staggered site
initiation, real-world time on treatment, and end-of-study success for a
clinical endpoint.
- Abstract(参考訳): 予測間隔は、繰り返しサンプリングされるランダムプロセスから将来の観測をカバーし、典型的には、補助統計量である中心的な量を特定することによって構成される。
同様に、許容間隔は反復サンプリングで人口のパーセンタイルをカバーし、しばしば重要な量に基づいている。
非正規モデルにおける1つのアプローチは、ほぼ通常に分布する中心的な量をもたらすリンク関数を利用する。
この正規近似が成立しない環境では、平均に対する信頼区間に基づいて、寛容と予測のための第二のアプローチを考える。
これらの手法は直感的で実装が簡単で、適切な操作特性を持ち、ベイジアンや再サンプリング、機械学習に比べて計算効率が良い。
本研究は, 起立障害を伴う多施設臨床試験, 治療実世界時間, 臨床エンドポイントの終末期成功の文脈で実証された。
関連論文リスト
- A Kalman Filter Based Framework for Monitoring the Performance of
In-Hospital Mortality Prediction Models Over Time [3.5508427067904864]
サンプルの総数と、異なる期間における正のサンプル数に応じて、外挿分散を調整したカルマンフィルタに基づくフレームワークを提案する。
この予測モデルは, 疾患の進展, 治療改善, 手術計画の変更などの影響を受けない。
論文 参考訳(メタデータ) (2024-02-09T22:27:29Z) - Deep Ensembles Meets Quantile Regression: Uncertainty-aware Imputation
for Time Series [49.992908221544624]
時系列データは、しばしば多くの欠落した値を示し、これは時系列計算タスクである。
従来の深層学習法は時系列計算に有効であることが示されている。
本研究では,不確実性のある高精度な計算を行う非生成時系列計算法を提案する。
論文 参考訳(メタデータ) (2023-12-03T05:52:30Z) - A Statistical Model for Predicting Generalization in Few-Shot
Classification [6.158812834002346]
一般化誤差を予測するために,特徴分布のガウスモデルを導入する。
提案手法は, 相互検証戦略の離脱など, 代替案よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-12-13T10:21:15Z) - Continuous-Time Modeling of Counterfactual Outcomes Using Neural
Controlled Differential Equations [84.42837346400151]
反現実的な結果を予測することは、パーソナライズされたヘルスケアをアンロックする可能性がある。
既存の因果推論アプローチでは、観察と治療決定の間の通常の離散時間間隔が考慮されている。
そこで本研究では,腫瘍増殖モデルに基づく制御可能なシミュレーション環境を提案する。
論文 参考訳(メタデータ) (2022-06-16T17:15:15Z) - Counterfactual inference for sequential experiments [12.900489038342409]
複数の単位に複数の時間点に対する処理を割り当てるシーケンシャルな設計実験のアフタースタディ統計的推測を考察する。
我々のゴールは、最小限のスケールで、カウンターファクト平均に対する推論保証を提供することです。
我々は,いくつかのシミュレーションと,モバイル医療臨床試験HeartStepsのデータを含むケーススタディを通して,我々の理論を解説する。
論文 参考訳(メタデータ) (2022-02-14T17:24:27Z) - Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。
我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。
実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
論文 参考訳(メタデータ) (2021-05-25T14:35:46Z) - Sequential Deconfounding for Causal Inference with Unobserved
Confounders [18.586616164230566]
個別化治療効果を時間とともに推定する手法であるSequential Deconfounderを開発した。
これは、一般的なシーケンシャルな設定で使用できる最初の分解方法である。
本手法は, 経時的に個々の治療反応を偏りなく推定できることを実証する。
論文 参考訳(メタデータ) (2021-04-16T09:56:39Z) - Counterfactual Inference of the Mean Outcome under a Convergence of
Average Logging Probability [5.596752018167751]
本稿では,適応実験で得られたサンプルから,アクションの平均結果を推定する。
適応実験では、過去の観測に基づいて行動を選択する確率を逐次更新することができる。
論文 参考訳(メタデータ) (2021-02-17T19:05:53Z) - Performance metrics for intervention-triggering prediction models do not
reflect an expected reduction in outcomes from using the model [71.9860741092209]
臨床研究者はしばしばリスク予測モデルの中から選択し評価する。
振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。
予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
論文 参考訳(メタデータ) (2020-06-02T16:26:49Z) - Batch Stationary Distribution Estimation [98.18201132095066]
サンプル遷移の組を与えられたエルゴードマルコフ鎖の定常分布を近似する問題を考える。
与えられたデータに対する補正比関数の復元に基づく一貫した推定器を提案する。
論文 参考訳(メタデータ) (2020-03-02T09:10:01Z) - Efficiently Sampling Functions from Gaussian Process Posteriors [76.94808614373609]
高速後部サンプリングのための簡易かつ汎用的なアプローチを提案する。
分離されたサンプルパスがガウス過程の後部を通常のコストのごく一部で正確に表現する方法を実証する。
論文 参考訳(メタデータ) (2020-02-21T14:03:16Z)
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。