論文の概要: On the Probability of Immunity
- arxiv url: http://arxiv.org/abs/2309.11942v2
- Date: Wed, 11 Oct 2023 15:21:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-13 03:50:53.799984
- Title: On the Probability of Immunity
- Title(参考訳): 免疫の確率について
- Authors: Jose M. Pe\~na
- Abstract要約: 非免疫および$epsilon$-bounded免疫に必要な十分な条件を導出する。
前者はランダムに制御された試行から利益の確率を推定することができる。
後者は、既存のものよりも厳密な利益の確率の境界を作ることができる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work is devoted to the study of the probability of immunity, i.e. the
effect occurs whether exposed or not. We derive necessary and sufficient
conditions for non-immunity and $\epsilon$-bounded immunity, i.e. the
probability of immunity is zero and $\epsilon$-bounded, respectively. The
former allows us to estimate the probability of benefit (i.e., the effect
occurs if and only if exposed) from a randomized controlled trial, and the
latter allows us to produce bounds of the probability of benefit that are
tighter than the existing ones. We also introduce the concept of indirect
immunity (i.e., through a mediator) and repeat our previous analysis for it.
Finally, we propose a method for sensitivity analysis of the probability of
immunity under unmeasured confounding.
- Abstract(参考訳): この研究は免疫の確率、すなわちその影響が暴露されるか否かの研究に費やされている。
非免疫に対する必要十分条件と$\epsilon$-bounded immunity、すなわち免疫の確率は 0 で$\epsilon$-bounded である。
前者は、ランダムに制御された試行から利益の確率(すなわち、その効果が露出した場合のみ起こる)を推定することができ、後者は、既存のものよりも厳密な利益の確率の境界を生成することができる。
また、間接免疫(例えば、仲介者を通して)の概念を導入し、それに対する以前の分析を繰り返す。
最後に, 未測定のコンファウンディングにおける免疫の確率の感度解析法を提案する。
関連論文リスト
- Auditing Fairness under Unobserved Confounding [56.61738581796362]
リスクファクターがすべて観察されているという仮定を完全に取り除いたり緩和したりしても、ハイリスクな個人に治療率に有意義な限界を与えることができることを示す。
既存の意思決定システムの不公平な結果を原則的に評価することができる。
論文 参考訳(メタデータ) (2024-03-18T21:09:06Z) - Reconciling Individual Probability Forecasts [78.0074061846588]
データに同意する2つの当事者は、個々の確率をモデル化する方法に異を唱えることができない。
個々の確率は不可知であるが、計算的かつデータ効率のよいプロセスで競合できると結論付ける。
論文 参考訳(メタデータ) (2022-09-04T20:20:35Z) - Robust and Agnostic Learning of Conditional Distributional Treatment
Effects [62.44901952244514]
条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。
集約分析では、通常は分布処理効果(DTE)の測定によって対処される。
我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
論文 参考訳(メタデータ) (2022-05-23T17:40:31Z) - Dynamics of an SIRWS model with waning of immunity and varying immune
boosting period [0.0]
我々はSIRSモデルをWコンパートメントで拡張する。
ホップ分岐(Hopf bifurcations)、エンデミックダブルバブル(endemic double bubble)、および不安定な領域である。
論文 参考訳(メタデータ) (2022-01-18T17:20:52Z) - Treatment Effect Risk: Bounds and Inference [58.442274475425144]
平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。
本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。
いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
論文 参考訳(メタデータ) (2022-01-15T17:21:26Z) - Locally Learned Synaptic Dropout for Complete Bayesian Inference [5.926384731231605]
以前にも、ランダムな故障が観測された分布からネットワークをサンプリングする方法は示されていない。
集団コードに基づくニューラルアクティビティの解釈では、両方のタイプの分布をシナプス障害のみで表現し、サンプル化することができる。
論文 参考訳(メタデータ) (2021-11-18T16:23:00Z) - The Hidden Uncertainty in a Neural Networks Activations [105.4223982696279]
ニューラルネットワークの潜在表現の分布は、アウト・オブ・ディストリビューション(OOD)データの検出に成功している。
本研究は、この分布が、モデルの不確実性と相関しているかどうかを考察し、新しい入力に一般化する能力を示す。
論文 参考訳(メタデータ) (2020-12-05T17:30:35Z) - Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。
標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。
原理的に部分観測可能なベイズ的枠組みを提案する。
論文 参考訳(メタデータ) (2020-09-12T20:37:33Z) - Quarantines as a Targeted Immunization Strategy [26.562338722051866]
高次ノードの免疫は効率よく免疫を保証できることを示す。
我々は,最小限の個体数に感染しながら,グラフを免疫することを目的とした開封戦略を提案する。
論文 参考訳(メタデータ) (2020-08-19T04:57:42Z) - Differentially Private Health Tokens for Estimating COVID-19 Risk [5.382800665115746]
多くの政府や企業は、いわゆる免疫パスポートを評価し、試行し、実施している。
抗体や健康証明書としても知られており、他の人を危険にさらすことなく仕事や混雑した場所に戻れる技術には明確な需要がある。
このようなシステムに対する主要な批判の1つは、免疫のない人々に対して不公平に差別するために悪用される可能性があり、免疫特権を持つ人々の集団の形成を可能にすることである。
少人数の利用者による集団感染リスクを推定する上で,健康トークンは免疫に基づく差別を緩和できることを示す。
論文 参考訳(メタデータ) (2020-06-25T12:02:16Z)
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。