論文の概要: M-estimation under Two-Phase Multiwave Sampling with Applications to Prediction-Powered Inference

• arxiv url: http://arxiv.org/abs/2602.16933v1
• Date: Wed, 18 Feb 2026 22:54:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-20 15:21:28.503653
• Title: M-estimation under Two-Phase Multiwave Sampling with Applications to Prediction-Powered Inference
• Title（参考訳）: 2相マルチウェーブサンプリングによるM推定と予測パワー推論への応用
• Authors: Dan M. Kluger, Stephen Bates,
• Abstract要約: 二相マルチウェーブサンプリングでは、大規模なサンプルで安価な測定値が収集され、より高価な測定値が複数の波をまたいだ単位のサブセット上で適応的に得られる。 適応型2相マルチウェーブサンプリングにおけるM値推定のための有効な推定器と信頼区間を与える。 我々は,一様サンプリングに対する効率を向上する,およそグリーディーなサンプリング戦略を開発した。
• 参考スコア（独自算出の注目度）: 8.130056598256429
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In two-phase multiwave sampling, inexpensive measurements are collected on a large sample and expensive, more informative measurements are adaptively obtained on subsets of units across multiple waves. Adaptively collecting the expensive measurements can increase efficiency but complicates statistical inference. We give valid estimators and confidence intervals for M-estimation under adaptive two-phase multiwave sampling. We focus on the case where proxies for the expensive variables -- such as predictions from pretrained machine learning models -- are available for all units and propose a Multiwave Predict-Then-Debias estimator that combines proxy information with the expensive, higher-quality measurements to improve efficiency while removing bias. We establish asymptotic linearity and normality and propose asymptotically valid confidence intervals. We also develop an approximately greedy sampling strategy that improves efficiency relative to uniform sampling. Data-based simulation studies support the theoretical results and demonstrate efficiency gains.
• Abstract（参考訳）: 二相マルチウェーブサンプリングでは、大規模なサンプルで安価な測定値が収集され、より高価な測定値が複数の波をまたいだ単位のサブセット上で適応的に得られる。 高価な測定値の適切な収集は効率を上げるが、統計的推測を複雑にする。 適応型2相マルチウェーブサンプリングにおけるM値推定のための有効な推定器と信頼区間を与える。 我々は、事前訓練された機械学習モデルからの予測などの高価な変数のプロキシがすべてのユニットで利用可能である場合に注目し、プロキシ情報と高品質な測定値を組み合わせたマルチウェーブ予測-Then-Debias推定器を提案し、バイアスを除去し効率を向上する。 漸近線形性と正規性を確立し,漸近的に有効な信頼区間を提案する。 また,一様サンプリングに対する効率を向上する,おまかしいサンプリング戦略も開発している。 データに基づくシミュレーション研究は、理論的な結果をサポートし、効率性の向上を実証する。

関連論文リスト

• Unified Inference Framework for Single and Multi-Player Performative Prediction: Method and Asymptotic Optimality [15.289993502701305]
  本稿では,単一エージェントと複数エージェントのパフォーマンスを橋渡しする,統一的な統計的推論フレームワークを提案する。 動的でパフォーマンスの高い環境で、信頼性の高い見積もりと意思決定のための原則化されたツールキットを提供する。
  論文  参考訳（メタデータ） (2026-02-03T03:17:54Z)
• Adaptive Sampled Softmax with Inverted Multi-Index: Methods, Theory and Applications [79.53938312089308]
  MIDX-Samplerは、逆多重インデックスアプローチに基づく新しい適応型サンプリング戦略である。 本手法は, サンプリングバイアス, 勾配バイアス, 収束速度, 一般化誤差境界などの重要な問題に対処するため, 厳密な理論的解析によって裏付けられている。
  論文  参考訳（メタデータ） (2025-01-15T04:09:21Z)
• Adaptive Sampling to Reduce Epistemic Uncertainty Using Prediction Interval-Generation Neural Networks [0.0]
  本稿では,予測モデルにおけるてんかんの不確実性を低減するための適応サンプリング手法を提案する。 我々の主な貢献は、潜在的なてんかんの不確実性を推定する計量の開発である。 ガウス過程(GP)に基づくバッチサンプリング戦略も提案する。 本研究では, 実験肥料の施肥率を選択するために, 3つの一次元合成問題と, 農業分野に基づく多次元データセットについて検討した。
  論文  参考訳（メタデータ） (2024-12-13T21:21:47Z)
• Communication-Efficient Distributed Estimation and Inference for Cox's Model [4.731404257629232]
  我々は, 高次元のスパースコックス比例ハザードモデルにおいて, 推定と推定のための通信効率のよい反復分散アルゴリズムを開発した。 高次元ハザード回帰係数の線形結合に対する信頼区間を構築するために,新しい縮退法を提案する。 我々は、デコラートスコアテストに基づく任意の座標要素に対して、有効かつ強力な分散仮説テストを提供する。
  論文  参考訳（メタデータ） (2023-02-23T15:50:17Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Neural Importance Sampling for Rapid and Reliable Gravitational-Wave Inference [59.040209568168436]
  まず、ニューラルネットワークを用いてベイズ後部への高速な提案を行い、その基礎となる可能性と事前に基づいて重み付けを行う。 本発明は,(1)ネットワーク不正確性のない修正後部,(2)提案案の評価と故障事例の同定のための性能診断(サンプル効率),(3)ベイズ証拠の偏りのない推定を提供する。 LIGOとVirgoで観測された42個のブラックホールをSEOBNRv4PHMとIMRPhenomHMXP波形モデルで解析した。
  論文  参考訳（メタデータ） (2022-10-11T18:00:02Z)
• Machine learning for causal inference: on the use of cross-fit estimators [77.34726150561087]
  より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。 平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。 機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2020-04-21T23:09:55Z)

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。