論文の概要: Uncertainty Quantification Via the Posterior Predictive Variance

• arxiv url: http://arxiv.org/abs/2603.19804v1
• Date: Fri, 20 Mar 2026 09:41:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:39.090741
• Title: Uncertainty Quantification Via the Posterior Predictive Variance
• Title（参考訳）: 後部予測変動による不確かさの定量化
• Authors: Sanjay Chaudhuri, Dean Dustin, Bertrand Clarke,
• Abstract要約: 我々は、全分散の法則を用いて、後続予測分散のための多重展開を生成する。 項数や条件の順序によって異なる拡張における項次不確かさを定量化する。
• 参考スコア（独自算出の注目度）: 26.585972959680756
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We use the law of total variance to generate multiple expansions for the posterior predictive variance. These expansions are sums of terms involving conditional expectations and conditional variances and provide a quantification of the sources of predictive uncertainty. Since the posterior predictive variance is fixed given the model, it represents a constant quantity that is conserved over these expansions. The terms in the expansions can be assessed in absolute or relative sense to understand the main contributors to the length of prediction intervals. We quantify the term-wise uncertainty across expansions varying in the number of terms and the order of conditionates. In particular, given that a specific term in one expansion is small or zero, we identify the other terms in other expansions that must also be small or zero. We illustrate this approach to predictive model assessment in several well-known models.
• Abstract（参考訳）: 我々は、全分散の法則を用いて、後続予測分散のための多重展開を生成する。 これらの展開は条件的期待と条件的分散を含む項の和であり、予測の不確実性の源の定量化を提供する。 後続予測分散はモデルによって固定されるため、これらの拡張に対して保存される定数量を表す。 拡張の項は絶対的あるいは相対的な意味で評価され、予測間隔の長さに対する主要な貢献者を理解することができる。 項数や条件の順序によって異なる拡張における項次不確かさを定量化する。 特に、ある拡大の特定の項が小さいかゼロであるなら、他の拡張の他の項も小さいかゼロでなければならない。 いくつかのよく知られたモデルにおける予測モデルアセスメントに対するこのアプローチについて説明する。

関連論文リスト

• Predictively Oriented Posteriors [4.135680181585462]
  我々はパラメータ推定と密度推定の両方の最も望ましい側面を組み合わせた新しい統計原理を提唱する。 PrO後部は予測最適モデル平均に$n-1/2$で収束する。 平均場ランゲヴィン動力学に基づく進化粒子からPrO後部を採取できることが示される。
  論文  参考訳（メタデータ） (2025-10-02T11:33:26Z)
• Compute-Optimal LLMs Provably Generalize Better With Scale [102.29926217670926]
  我々は,大規模言語モデル(LLM)の事前学習目標に基づく一般化境界を開発する。 損失関数の分散を考慮し, 既存の境界を緩める, 完全経験的フリードマン型マルティンゲール濃度を導入する。 我々は一般化ギャップのスケーリング法則を作成し、その境界はスケールによって予測的に強くなる。
  論文  参考訳（メタデータ） (2025-04-21T16:26:56Z)
• Causal vs. Anticausal merging of predictors [57.26526031579287]
  同じデータを用いて、因果方向と反因果方向の融合予測器から生じる差について検討した。 帰納的バイアスとしてCausal Maximum Entropy (CMAXENT) を用いて予測器をマージする。
  論文  参考訳（メタデータ） (2025-01-14T20:38:15Z)
• A Non-negative VAE:the Generalized Gamma Belief Network [49.970917207211556]
  ガンマ信念ネットワーク(GBN)は、テキストデータ中の多層解釈可能な潜在表現を明らかにする可能性を実証している。 本稿では、一般化ガンマ信念ネットワーク(Generalized GBN)を導入し、元の線形生成モデルをより表現力のある非線形生成モデルに拡張する。 また、潜伏変数の後方分布を近似する上向きのワイブル推論ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-08-06T18:18:37Z)
• Variational Prediction [95.00085314353436]
  本稿では,変動境界を用いた後部予測分布に対する変動近似の学習手法を提案する。 このアプローチは、テスト時間の限界化コストを伴わずに、優れた予測分布を提供することができる。
  論文  参考訳（メタデータ） (2023-07-14T18:19:31Z)
• Asymptotics of Bayesian Uncertainty Estimation in Random Features Regression [1.170951597793276]
  本研究では, 後方予測分布(ベイジアンモデル平均)のばらつきに着目し, MAP推定器の危険度と比較する。 また、サンプルの数がモデル次元のどの定数倍数よりも速く成長する場合にも一致する。
  論文  参考訳（メタデータ） (2023-06-06T15:36:15Z)
• Variational Causal Networks: Approximate Bayesian Inference over Causal Structures [132.74509389517203]
  離散DAG空間上の自己回帰分布をモデル化したパラメトリック変分族を導入する。 実験では,提案した変分後部が真の後部を良好に近似できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T17:52:49Z)
• Universal Off-Policy Evaluation [64.02853483874334]
  ユニバーサルオフ政治推定器(UnO)への第一歩を踏み出す 我々は, 平均, 分散, 分位数/中間数, 分位数範囲, cvar, および累積分布全体の推定と同時結合に uno を用いる。
  論文  参考訳（メタデータ） (2021-04-26T18:54:31Z)
• Non-asymptotic Optimal Prediction Error for Growing-dimensional Partially Functional Linear Models [0.951828574518325]
  予測誤差の最大値と最大値の上限を示す。 過剰な予測リスクの正確な上限は、非漸近的な形で示される。 モデルのKulback-Leibler分散の正則性仮定の下で、非漸近ミニマックス下界を導出する。
  論文  参考訳（メタデータ） (2020-09-10T08:49:32Z)
• A Criterion for Covariance in Complex Sequential Growth Models [0.0]
  量子バージョンでは、事象代数上の確率測度はヒルベルト空間の値である量子測度に置き換えられる。 成長過程の時間性のため、共変可観測物(または可観測物)は、量子測度が事象の関連するシグマ代数に拡張した場合のみ測定可能である。 測度が拡張されるモデルの大きな族が見つかるので、すべての共変可観測物は測定可能である。
  論文  参考訳（メタデータ） (2020-03-25T10:43:28Z)

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。