論文の概要: Design Stability in Adaptive Experiments: Implications for Treatment Effect Estimation

• arxiv url: http://arxiv.org/abs/2510.22351v1
• Date: Sat, 25 Oct 2025 16:30:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 19:54:32.513796
• Title: Design Stability in Adaptive Experiments: Implications for Treatment Effect Estimation
• Title（参考訳）: 適応実験における設計安定性:治療効果推定の意義
• Authors: Saikat Sengupta, Koulik Khamaru, Suvrojit Ghosh, Tirthankar Dasgupta,
• Abstract要約: 本研究では, 逐次適応的処理代入機構下での平均処理効果(ATE)を推定する問題について検討する。 古典的完全ランダム化設計とは対照的に、各実験単位に処理を割り当てる確率が、事前の割り当てや観察結果に依存する可能性がある設定を考える。 Inverse propensity weighted (IPW) 推定器と拡張IPW (AIPW) 推定器の2つの自然推定器を提案し,解析する。
• 参考スコア（独自算出の注目度）: 4.2756749973231924
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study the problem of estimating the average treatment effect (ATE) under sequentially adaptive treatment assignment mechanisms. In contrast to classical completely randomized designs, we consider a setting in which the probability of assigning treatment to each experimental unit may depend on prior assignments and observed outcomes. Within the potential outcomes framework, we propose and analyze two natural estimators for the ATE: the inverse propensity weighted (IPW) estimator and an augmented IPW (AIPW) estimator. The cornerstone of our analysis is the concept of design stability, which requires that as the number of units grows, either the assignment probabilities converge, or sample averages of the inverse propensity scores and of the inverse complement propensity scores converge in probability to fixed, non-random limits. Our main results establish central limit theorems for both the IPW and AIPW estimators under design stability and provide explicit expressions for their asymptotic variances. We further propose estimators for these variances, enabling the construction of asymptotically valid confidence intervals. Finally, we illustrate our theoretical results in the context of Wei's adaptive coin design and Efron's biased coin design, highlighting the applicability of the proposed methods to sequential experimentation with adaptive randomization.
• Abstract（参考訳）: 本研究では, 逐次適応的処理代入機構下での平均処理効果(ATE)を推定する問題について検討する。 古典的完全ランダム化設計とは対照的に、各実験単位に処理を割り当てる確率が、事前の割り当てや観察結果に依存する可能性がある設定を考える。 提案手法では,提案手法を用いて,逆回帰重み付き (IPW) 推定器と拡張IPW (AIPW) 推定器の2つの自然推定器を提案し,解析する。 我々の分析の基盤は設計安定性の概念であり、単位の数が増加するにつれて、割り当て確率が収束するか、逆の可換性スコアのサンプル平均と逆補的可換性スコアのサンプル平均が、固定された非ランダムな極限に収束する。 本研究の主な成果は,IPWおよびAIPW推定器の設計安定性に対する中心極限定理を確立し,その漸近的分散に対する明示的な表現を提供することである。 さらに、これらの分散に対する推定器を提案し、漸近的に有効な信頼区間の構築を可能にする。 最後に、Weiの適応コイン設計とEfronのバイアスコイン設計の文脈において、我々の理論結果を解説し、適応ランダム化を用いた逐次実験への提案手法の適用性を強調した。

関連論文リスト

• Revisiting Zeroth-Order Optimization: Minimum-Variance Two-Point Estimators and Directionally Aligned Perturbations [57.179679246370114]
  乱摂動の分布は, 摂動段差がゼロになる傾向にあるため, 推定子の分散を最小限に抑える。 以上の結果から, 一定の長さを維持するのではなく, 真の勾配に方向を合わせることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2025-10-22T19:06:39Z)
• On the Optimal Construction of Unbiased Gradient Estimators for Zeroth-Order Optimization [57.179679246370114]
  既存の手法の潜在的な制限は、ステップサイズが提案されない限り、ほとんどの摂動推定器に固有のバイアスである。 本稿では, 良好な構成を維持しつつ, バイアスを排除した非バイアス勾配スケーリング推定器のファミリーを提案する。
  論文  参考訳（メタデータ） (2025-10-22T18:25:43Z)
• A Generative Framework for Causal Estimation via Importance-Weighted Diffusion Distillation [55.53426007439564]
  観察データから個別化された治療効果を推定することは因果推論における中心的な課題である。 逆確率重み付け(IPW)は、この問題に対するよく確立された解決策であるが、現代のディープラーニングフレームワークへの統合は依然として限られている。 本稿では,拡散モデルの事前学習と重み付きスコア蒸留を組み合わせた新しい生成フレームワークであるIWDDを提案する。
  論文  参考訳（メタデータ） (2025-05-16T17:00:52Z)
• Scalable method for Bayesian experimental design without integrating over posterior distribution [0.0]
  実験問題のA-最適ベイズ設計における計算効率について検討する。 A-最適性はベイズの実験設計に広く用いられ、容易に解釈できる基準である。 本研究は, A-Optimal 実験設計における新しい可能性のないアプローチを提案する。
  論文  参考訳（メタデータ） (2023-06-30T12:40:43Z)
• Distributional Gradient Boosting Machines [77.34726150561087]
  私たちのフレームワークはXGBoostとLightGBMをベースにしています。 我々は,このフレームワークが最先端の予測精度を実現することを示す。
  論文  参考訳（メタデータ） (2022-04-02T06:32:19Z)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)
• Nonparametric Score Estimators [49.42469547970041]
  未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。 正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。 カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
  論文  参考訳（メタデータ） (2020-05-20T15:01:03Z)
• Efficient Adaptive Experimental Design for Average Treatment Effect Estimation [20.361745967568154]
  適応実験を用いて平均治療効果(ATE)を効率的に推定する方法を検討する。 適応実験において、実験者は過去のデータに基づいて治療確率を更新しながら、順次実験単位に治療を割り当てる。 提案した設計の任意のラウンドで有効である非パラメトリックおよび非漸近信頼区間を開発する。
  論文  参考訳（メタデータ） (2020-02-13T02:04:17Z)

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。