論文の概要: Dependent Randomized Rounding for Budget Constrained Experimental Design

• arxiv url: http://arxiv.org/abs/2506.12677v1
• Date: Sun, 15 Jun 2025 01:10:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:46.689201
• Title: Dependent Randomized Rounding for Budget Constrained Experimental Design
• Title（参考訳）: 予算制約付き実験設計のための依存ランダム化ラウンドリング
• Authors: Khurram Yamin, Edward Kennedy, Bryan Wilder,
• Abstract要約: 本稿では、代入確率を二項処理決定に変換するために、依存ランダム化ラウンドリング手順を適用するフレームワークを提案する。 提案手法は課題間の負の相関を誘導しながら, 限界処理確率を保ち, 分散還元による推定精度の向上を図った。
• 参考スコア（独自算出の注目度）: 18.677808169753032
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Policymakers in resource-constrained settings require experimental designs that satisfy strict budget limits while ensuring precise estimation of treatment effects. We propose a framework that applies a dependent randomized rounding procedure to convert assignment probabilities into binary treatment decisions. Our proposed solution preserves the marginal treatment probabilities while inducing negative correlations among assignments, leading to improved estimator precision through variance reduction. We establish theoretical guarantees for the inverse propensity weighted and general linear estimators, and demonstrate through empirical studies that our approach yields efficient and accurate inference under fixed budget constraints.
• Abstract（参考訳）: 資源制約のある環境における政策立案者は、厳格な予算制限を満たすとともに、治療効果の正確な推定を確実にする実験的な設計を必要とする。 本稿では、代入確率を二項処理決定に変換するために、依存ランダム化ラウンドリング手順を適用するフレームワークを提案する。 提案手法は課題間の負の相関を誘導しながら, 限界処理確率を保ち, 分散還元による推定精度の向上を図った。 我々は,逆確率重み付き一般線形推定器の理論的保証を確立し,提案手法が固定予算制約の下で効率的かつ正確な推定を導出することを示す実証的研究を通じて実証する。

関連論文リスト

• Early Stopping in Contextual Bandits and Inferences [0.5439020425819]
  過剰なサンプリングはコストがかかり、早期停止法と信頼性のある実験後の推論の破壊を動機付ける。 本稿では, サンプリングコストを考慮しつつ, 実験中の後悔を最小限に抑えるために, 事前決定およびオンライン停止ルールを含む, 線形文脈帯域の早期停止法について検討する。
  論文  参考訳（メタデータ） (2025-02-05T00:40:10Z)
• Calibrated Probabilistic Forecasts for Arbitrary Sequences [58.54729945445505]
  実際のデータストリームは、分散シフトやフィードバックループ、敵アクターによって予測不可能に変化する可能性がある。 データがどのように進化するかに関わらず、有効な不確実性推定を保証するための予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-27T21:46:42Z)
• Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [59.758009422067]
  モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。 我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。 本稿では,リスク・サーキングとリスク・アバース・ポリシー最適化のいずれにも適用可能な汎用ポリシー最適化アルゴリズムQ-Uncertainty Soft Actor-Critic (QU-SAC)を導入する。
  論文  参考訳（メタデータ） (2023-12-07T15:55:58Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• Improved Policy Evaluation for Randomized Trials of Algorithmic Resource Allocation [54.72195809248172]
  提案する新しい概念を応用した新しい推定器を提案する。 我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
  論文  参考訳（メタデータ） (2023-02-06T05:17:22Z)
• Optimal Treatment Regimes for Proximal Causal Learning [7.672587258250301]
  そこで本研究では,橋梁における結果と治療の相違に基づく最適な個別化治療体制を提案する。 この新たな最適治療体制の価値関数は,文献上に存在するものよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-12-19T14:29:25Z)

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。