論文の概要: BEAUTY Powered BEAST

• arxiv url: http://arxiv.org/abs/2103.00674v6
• Date: Fri, 30 Aug 2024 18:10:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-04 23:16:54.122255
• Title: BEAUTY Powered BEAST
• Title（参考訳）: ビームトイパワービースト
• Authors: Kai Zhang, Wan Zhang, Zhigen Zhao, Wen Zhou,
• Abstract要約: 本研究は,UniformiTY (BEAUTY) の2成分拡張近似を用いた分布自由性試験である。 この理論は、特定の対称性統計形式からの近似を通じて、多くの重要な独立性テストの統一を可能にする。 頑健なパワーを達成するため,データ適応重みを用いた試験統計をBEAST(Binary Expansion Adaptive Symmetry Test)と呼ぶ。
• 参考スコア（独自算出の注目度）: 5.423841802973231
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study distribution-free goodness-of-fit tests with the proposed Binary Expansion Approximation of UniformiTY (BEAUTY) approach. This method generalizes the renowned Euler's formula, and approximates the characteristic function of any copula through a linear combination of expectations of binary interactions from marginal binary expansions. This novel theory enables a unification of many important tests of independence via approximations from specific quadratic forms of symmetry statistics, where the deterministic weight matrix characterizes the power properties of each test. To achieve a robust power, we examine test statistics with data-adaptive weights, referred to as the Binary Expansion Adaptive Symmetry Test (BEAST). For any given alternative, we demonstrate that the Neyman-Pearson test can be approximated by an oracle weighted sum of symmetry statistics. The BEAST with this oracle provides a useful benchmark of feasible power. To approach this oracle power, we devise the BEAST through a regularized resampling approximation of the oracle test. The BEAST improves the empirical power of many existing tests against a wide spectrum of common alternatives and delivers a clear interpretation of dependency forms when significant.
• Abstract（参考訳）: 本研究は,UniformiTY (BEAUTY) の2成分拡張近似を用いた分布自由性試験である。 この方法は有名なオイラーの公式を一般化し、境界二項展開からの二項相互作用の期待の線形結合を通じて任意のコプラの特徴関数を近似する。 この理論は、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、特定の2次形式の対称性統計から近似することで、多くの重要な独立性テストの統一を可能にする。 頑健なパワーを達成するため,データ適応重みを用いた試験統計をBEAST(Binary Expansion Adaptive Symmetry Test)と呼ぶ。 任意の選択肢に対して、ネイマン・ピアソン検定は対称性統計のオラクル重み付き和で近似できることを示した。 このオラクルを使ったBEASTは、実現可能なパワーの有用なベンチマークを提供します。 このオラクルパワーにアプローチするために、私たちは、オラクルテストの定期的な再サンプリング近似を通じてBEASTを考案します。 BEASTは、多くの既存のテストの幅広い選択肢に対する経験的パワーを改善し、重要な場合の依存性フォームの明確な解釈を提供する。

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。