論文の概要: Distribution-free two-sample testing with blurred total variation distance
- arxiv url: http://arxiv.org/abs/2602.05862v1
- Date: Thu, 05 Feb 2026 16:43:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-06 18:49:09.052382
- Title: Distribution-free two-sample testing with blurred total variation distance
- Title（参考訳）: 全変分距離のぼやけた分布自由二サンプル試験
- Authors: Rohan Hore, Rina Foygel Barber,
- Abstract要約: 2サンプルテストは、2つの分布の性質を仮定できない場合、困難である。
テレビのぼやけた距離における分布自由な上下境界に関する理論的保証を提供する。
- 参考スコア（独自算出の注目度）: 4.232614032390373
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Two-sample testing, where we aim to determine whether two distributions are equal or not equal based on samples from each one, is challenging if we cannot place assumptions on the properties of the two distributions. In particular, certifying equality of distributions, or even providing a tight upper bound on the total variation (TV) distance between the distributions, is impossible to achieve in a distribution-free regime. In this work, we examine the blurred TV distance, a relaxation of TV distance that enables us to perform inference without assumptions on the distributions. We provide theoretical guarantees for distribution-free upper and lower bounds on the blurred TV distance, and examine its properties in high dimensions.
- Abstract（参考訳）: これら2つの分布の性質を仮定できない場合、各分布のサンプルに基づいて2つの分布が等しいか否かを判定することを目的とする2サンプル試験は困難である。
特に、分布の等式を証明することや、分布間の全変動(TV)距離に厳密な上限を与えることさえも、分布のない状態では達成できない。
本研究では,テレビのぼやけた距離,つまりテレビの距離の緩和について検討する。
我々は,テレビのぼやけた距離における分布自由な上界と下界の理論的保証を提供し,その特性を高次元で検証する。
関連論文リスト
- Counterfactual Realizability [52.85109506684737]
本稿では, 正規化可能性の定義, 分布からサンプルを抽出する能力を導入し, 任意の反事実分布が実現可能であるかどうかを判定する完全アルゴリズムを開発する。
本稿では、因果的公正さと因果的強化学習のモチベーション例を用いて、この新たな反ファクト的データ収集フレームワークの意義を説明する。
論文 参考訳（メタデータ） (2025-03-14T20:54:27Z) - Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
一般のスコアミスマッチ拡散サンプリング器に対する明示的な次元依存性を持つ最初の性能保証を示す。
その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。
この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
論文 参考訳（メタデータ） (2024-10-17T16:42:12Z) - Uncertainty Quantification via Stable Distribution Propagation [60.065272548502]
本稿では,ニューラルネットワークによる安定確率分布の伝播手法を提案する。
提案手法は局所線形化に基づいており,ReLU非線型性に対する全変動距離の近似値として最適であることを示す。
論文 参考訳（メタデータ） (2024-02-13T09:40:19Z) - Computing the Distance between unbalanced Distributions -- The flat Metric [0.0]
任意の次元で平坦な計量を計算するための実装を提供する。
我々の実装は、質量差に非常によく適応し、異なる分布を区別するためにそれらを使用する。
論文 参考訳（メタデータ） (2023-08-02T09:30:22Z) - Convergence of score-based generative modeling for general data
distributions [9.953088581242845]
機能的不等式や強い滑らかさの仮定を満たすデータ分布に依存しない拡散モデルに収束保証を与える。
ワッサーシュタイン距離保証は、有界な支持あるいは十分に崩壊するテールの分布に対して、さらに滑らかな仮定を持つ分布に対するテレビ保証と同様に得られる。
論文 参考訳（メタデータ） (2022-09-26T02:38:36Z) - Out-of-distribution Detection by Cross-class Vicinity Distribution of
In-distribution Data [36.66825830101456]
画像分類のためのディープニューラルネットワークは、トレーニングにおいて、インディストリビューション入力を対応する基底真理ラベルにマップすることしか学ばない。
これは、全てのサンプルが独立であり、同一に分散しているという仮定から生じる。
textitCross-class Vicinity Distributionは、複数のin-distributionサンプルを混合したアウト・オブ・ディストリビューションサンプルが、その構成成分の同じクラスを共有していないことを仮定して導入される。
論文 参考訳（メタデータ） (2022-06-19T12:03:33Z) - Robust Learning of Optimal Auctions [84.13356290199603]
本研究では、入札者の評価値のサンプルを逆向きに破損させたり、逆向きに歪んだ分布から引き出すことができる場合に、サンプルから収益-最適マルチバイダオークションを学習する問題について検討する。
我々は,コルモゴロフ-スミルノフ距離における元の分布に対して$alpha$-closeの「全ての真の分布」に対して,収入がほぼ同時に最適であるメカニズムを学習できる新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-07-13T17:37:21Z) - Distribution-free binary classification: prediction sets, confidence
intervals and calibration [106.50279469344937]
分布自由条件における二項分類のための不確実性定量化(キャリブレーション、信頼区間、予測セット)の3つの概念について検討する。
固定幅と一様質量の両双対の双対確率に対する信頼区間を導出する。
我々の「三脚」定理の結果として、双有理確率に対するこれらの信頼区間は分布自由キャリブレーションに繋がる。
論文 参考訳（メタデータ） (2020-06-18T14:17:29Z)
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。