Fugu-MT 論文翻訳(概要): On Robust hypothesis testing with respect to Hellinger distance

論文の概要: On Robust hypothesis testing with respect to Hellinger distance

arxiv url: http://arxiv.org/abs/2510.16750v1
Date: Sun, 19 Oct 2025 08:20:43 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-25 00:56:39.126664
Title: On Robust hypothesis testing with respect to Hellinger distance
Title（参考訳）: Hellinger 距離に関するロバスト仮説テストについて
Authors: Eeshan Modak,
Abstract要約: 本研究では,それぞれの仮説から試料を採取する必要がない仮説テスト問題について検討する。このような状況下では、この不特定性に頑健なテストを行い、Hellinger 距離に近い分布を出力したいと思っています。我々の主な結果は、基礎となる分布がどちらかの仮説にどの程度近いかの定量化である。
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: We study the hypothesis testing problem where the observed samples need not come from either of the specified hypotheses (distributions). In such a situation, we would like our test to be robust to this misspecification and output the distribution closer in Hellinger distance. If the underlying distribution is close to being equidistant from the hypotheses, then this would not be possible. Our main result is quantifying how close the underlying distribution has to be to either of the hypotheses. We also study the composite testing problem, where each hypothesis is a Hellinger ball around a fixed distribution. A generalized likelihood ratio test is known to work for this problem. We give an alternate test for the same.
Abstract（参考訳）: 本研究は, 特定の仮説(分布)のいずれからも, 観測サンプルが得られない仮説テスト問題について検討する。このような状況下では、この不特定性に頑健なテストを行い、Hellinger 距離に近い分布を出力したいと思っています。基礎となる分布が仮説から等距離に近ければ、これは不可能である。我々の主な結果は、基礎となる分布がいずれかの仮説にどの程度近いかの定量化である。また,各仮説が一定分布上のヘルリンガー球である複合試験問題についても検討する。一般化された確率比検定はこの問題に有効であることが知られている。同じ試験を交互に実施する。

関連論文リスト

Anchor-based Maximum Discrepancy for Relative Similarity Testing [6.903548360333296]
相対的類似性テストは、分布 P または Q のどちらがアンカー分布 U に近いかを決定することを目的としている。既存のカーネルベースのアプローチは、しばしば、手動で指定された代替仮説において、固定されたカーネルと相対的な類似性をテストする。本稿では, (U, P) と (U, Q) の距離の相対的類似性を, 深いカーネル空間における (U, P) と (U, Q) の最大差として定義するアンカーベース最大差分(AMD)を提案する。
論文参考訳（メタデータ） (2025-10-12T07:03:49Z)
Nearest-Neighbor Sampling Based Conditional Independence Testing [15.478671471695794]
条件付きランダム化テスト (CRT) は、2つの確率変数 X と Y が条件付き独立な与えられた確率変数 Z であるかどうかをテストするために最近提案された。本研究の目的は, 与えられたXの分布の正確な形式を仮定することなく, 隣り合うサンプリングを用いて, CRTの新たな代替品を開発することである。
論文参考訳（メタデータ） (2023-04-09T07:54:36Z)
Is it easier to count communities than find them? [57.07487980088801]
コミュニティ構造が異なるモデル間の仮説テスト問題について考察する。 2つの選択肢間のテストは、コミュニティを見つけるのと同じくらい難しいことを(低次のフレームワークで)示しています。
論文参考訳（メタデータ） (2022-12-21T09:35:19Z)
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)
Nonparametric Conditional Local Independence Testing [69.31200003384122]
条件付き局所独立は、連続的な時間プロセス間の独立関係である。条件付き地域独立の非パラメトリックテストは行われていない。二重機械学習に基づく非パラメトリックテストを提案する。
論文参考訳（メタデータ） (2022-03-25T10:31:02Z)
As Easy as ABC: Adaptive Binning Coincidence Test for Uniformity Testing [13.028716493611789]
代替仮説の下で未知の分布に適応するシーケンシャルテストを提案する。提案したテストのサンプル複雑性と低いバウンダリを確立する。
論文参考訳（メタデータ） (2021-10-12T20:19:57Z)
Robust hypothesis testing and distribution estimation in Hellinger distance [18.950453666957692]
最適なネマン・ピアソン検定と同一のサンプル複雑性を持つ単純な頑健な仮説検定を提案する。本稿では,ヘリンジャー距離における分布推定のためのロバストなテストの適用性について論じる。
論文参考訳（メタデータ） (2020-11-03T17:09:32Z)
Optimal Testing of Discrete Distributions with High Probability [49.19942805582874]
高確率状態に着目して離散分布を試験する問題について検討する。一定の要素でサンプル最適である近接性および独立性テストのための最初のアルゴリズムを提供する。
論文参考訳（メタデータ） (2020-09-14T16:09:17Z)
On Localized Discrepancy for Domain Adaptation [146.4580736832752]
本稿では,局所化後の仮説空間上で定義される局所的不一致について検討する。 2つの領域を交換すると、それらの値が異なるため、非対称な移動困難が明らかになる。
論文参考訳（メタデータ） (2020-08-14T08:30:02Z)
Distributionally Robust Bayesian Quadrature Optimization [60.383252534861136]
確率分布が未知な分布の不確実性の下でBQOについて検討する。標準的なBQOアプローチは、固定されたサンプル集合が与えられたときの真の期待目標のモンテカルロ推定を最大化する。この目的のために,新しい後方サンプリングに基づくアルゴリズム,すなわち分布的に堅牢なBQO(DRBQO)を提案する。
論文参考訳（メタデータ） (2020-01-19T12:00:33Z)
Breaking hypothesis testing for failure rates [7.973062022996845]
本稿では、ポイントプロセスと障害率の有用性と、ポアソンポイントプロセスである失敗率をモデル化するための最も一般的なプロセスについて述べる。このテストの使用に対する一般的な議論は、実世界のデータはポアソン点過程にはほとんど従わないということである。このようなテストの分布的な仮定が違反され、まだテストが適用されている場合に何が起こるかを調べる。
論文参考訳（メタデータ） (2020-01-13T03:17:30Z)

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。