論文の概要: BEAUTY Powered BEAST
- arxiv url: http://arxiv.org/abs/2103.00674v1
- Date: Mon, 1 Mar 2021 00:36:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-05 05:59:12.418630
- Title: BEAUTY Powered BEAST
- Title（参考訳）: ビューティーパワービースト
- Authors: Kai Zhang, Zhigen Zhao, Wen Zhou
- Abstract要約: 提案された二元膨張近似法(BEAUTY)による一様分布の推定について検討する。
二元拡大濾過の特性を利用して、一様性のナイマン・ピアソン検定が対称性統計のオラクル重み付け和によって近似できることが示される。
- 参考スコア（独自算出の注目度）: 7.075578152669323
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study inference about the uniform distribution with the proposed binary
expansion approximation of uniformity (BEAUTY) approach. Through an extension
of the celebrated Euler's formula, we approximate the characteristic function
of any copula distribution with a linear combination of means of binary
interactions from marginal binary expansions. This novel characterization
enables a unification of many important existing tests through an approximation
from some quadratic form of symmetry statistics, where the deterministic weight
matrix characterizes the power properties of each test. To achieve a uniformly
high power, we study test statistics with data-adaptive weights through an
oracle approach, referred to as the binary expansion adaptive symmetry test
(BEAST). By utilizing the properties of the binary expansion filtration, we
show that the Neyman-Pearson test of uniformity can be approximated by an
oracle weighted sum of symmetry statistics. The BEAST with this oracle leads
all existing tests we considered in empirical power against all complex forms
of alternatives. This oracle therefore sheds light on the potential of
substantial improvements in power and on the form of optimal weights under each
alternative. By approximating this oracle with data-adaptive weights, we
develop the BEAST that improves the empirical power of many existing tests
against a wide spectrum of common alternatives while providing clear
interpretation of the form of non-uniformity upon rejection. We illustrate the
BEAST with a study of the relationship between the location and brightness of
stars.
- Abstract（参考訳）: 提案された二元膨張近似法(BEAUTY)による一様分布の推定について検討する。
有名なオイラーの公式の拡張を通じて、任意のコプラ分布の特徴関数を、境界二項拡大からの二項相互作用の手段の線形結合と近似する。
この特徴付けにより、決定論的重み行列が各テストのパワー特性を特徴づける対称性統計の二次形式から近似することで、多くの重要な既存のテストの統一が可能になる。
均一に高い出力を実現するため,二元膨張適応対称性試験(BEAST)と呼ばれるオーラクル手法を用いて,データ適応重みによる試験統計を研究する。
二元拡大濾過の特性を利用して、一様性のナイマン・ピアソン検定が対称性統計のオラクル重み付け和によって近似できることが示される。
このオーラクルを備えたBEASTは、我々は代替のあらゆる複雑な形態に対して実証力で検討したすべての既存のテストをリードします。
この神託は、力の大幅な改善の可能性と、それぞれの選択肢の下で最適な重量の形で光を放つ。
このオーラクルをデータ適応重みで近似することにより、拒絶時に不均一性の形式を明確に解釈しながら、多くの既存のテストの幅広い代替案に対する実証力を向上させるBEASTを開発しています。
私たちは、星の位置と明るさの関係の研究でBEASTを説明します。
関連論文リスト
- Statistical Inference for Temporal Difference Learning with Linear Function Approximation [62.69448336714418]
時間差差(TD)学習は、おそらく政策評価に最も広く使用されるものであり、この目的の自然な枠組みとして機能する。
本稿では,Polyak-Ruppert平均化と線形関数近似によるTD学習の整合性について検討し,既存の結果よりも3つの重要な改善点を得た。
論文 参考訳（メタデータ） (2024-10-21T15:34:44Z) - Unveiling the Statistical Foundations of Chain-of-Thought Prompting Methods [59.779795063072655]
CoT(Chain-of-Thought)の促進とその変種は、多段階推論問題を解決する効果的な方法として人気を集めている。
統計的推定の観点からCoTのプロンプトを解析し,その複雑さを包括的に評価する。
論文 参考訳（メタデータ） (2024-08-25T04:07:18Z) - Multiplicative Updates for Online Convex Optimization over Symmetric
Cones [28.815822236291392]
任意の対称コーンのトレースワンスライスに対するオンライン最適化のためのプロジェクションフリーアルゴリズムであるSymmetric-Cone Multiplicative Weights Update (SCMWU)を導入する。
SCMWUは, 対称錐負エントロピーを正則化器とするFollow-the-Regularized-LeaderおよびOnline Mirror Descentと等価であることを示す。
論文 参考訳（メタデータ） (2023-07-06T17:06:43Z) - Robust probabilistic inference via a constrained transport metric [8.85031165304586]
我々は、パラメトリックな分布の族の近くに集中するように慎重に設計された指数関数的に傾いた経験的確に構築することで、新しい代替手段を提供する。
提案手法は,多種多様なロバストな推論問題に応用し,中心分布に付随するパラメータを推論する。
我々は,最先端の頑健なベイズ推論手法と比較した場合,提案手法の優れた性能を示す。
論文 参考訳（メタデータ） (2023-03-17T16:10:06Z) - Statistical Efficiency of Score Matching: The View from Isoperimetry [96.65637602827942]
本研究では, スコアマッチングの統計的効率と推定される分布の等尺性との間に, 密接な関係を示す。
これらの結果はサンプル状態と有限状態の両方で定式化する。
論文 参考訳（メタデータ） (2022-10-03T06:09:01Z) - Statistical Properties of the Entropy from Ordinal Patterns [55.551675080361335]
大規模な時系列モデルに対するエントロピー・統計複雑性の連立分布を知っていれば、今日まで利用できない統計テストが可能になるだろう。
実正規化エントロピーが零でも1でもないモデルに対して、経験的シャノンのエントロピーの分布を特徴づける。
2つの信号が同じシャノンのエントロピーを持つ順序パターンを生成するという仮説を否定するのに十分な証拠があるかどうかを検証する。
論文 参考訳（メタデータ） (2022-09-15T23:55:58Z) - First Power Linear Unit with Sign [0.0]
バイオニクスの直感的な意味を持ちながら、一般的な逆操作によって啓蒙される。
PFPLUSと呼ばれるより一般化された型に表される関数を2つのパラメータで拡張する。
論文 参考訳（メタデータ） (2021-11-29T06:47:58Z) - Adaptive Estimation and Uniform Confidence Bands for Nonparametric
Structural Functions and Elasticities [2.07706336594149]
非パラメトリックモデルにおいて、最適推定と推論のための2つのデータ駆動手法を導入する。
我々は、国際貿易の独占的競争モデルにおいて、ファーム輸出の集中的マージンの弾力性を推定する。
論文 参考訳（メタデータ） (2021-07-25T18:46:33Z) - Active Learning in Bayesian Neural Networks with Balanced Entropy
Learning Principle [0.8122270502556371]
本稿では,基礎となるソフトマックス確率の不確実性とラベル変数との間の情報バランスを捉える,新たな不確実性尺度であるBa balanced Entropy Acquisition (BalEntAcq)を提案する。
BalEntAcqは、よく知られた線形スケーラブルなアクティブラーニング手法より一貫して優れている。
論文 参考訳（メタデータ） (2021-05-30T14:49:10Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - $\gamma$-ABC: Outlier-Robust Approximate Bayesian Computation Based on a
Robust Divergence Estimator [95.71091446753414]
最寄りの$gamma$-divergence推定器をデータ差分尺度として用いることを提案する。
本手法は既存の不一致対策よりも高いロバスト性を実現する。
論文 参考訳（メタデータ） (2020-06-13T06:09:27Z)
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。