論文の概要: DARTS: Targeting Prognostic Covariates in Budget-Constrained Sequential Experiments

• arxiv url: http://arxiv.org/abs/2605.06608v1
• Date: Thu, 07 May 2026 17:27:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:12.040555
• Title: DARTS: Targeting Prognostic Covariates in Budget-Constrained Sequential Experiments
• Title（参考訳）: DARTS: 予算制約のある系列実験における確率的共変をターゲットとして
• Authors: Kateryna Husar, Alexander Volfovsky,
• Abstract要約: 我々はトンプソンサンプリング(DARTS)による動的適応的ランダム化を導入する。 DARTSは、共変量取得を設計に基づく因果推論タスクに埋め込まれた逐次最適化問題として扱う。 我々は,最小限の値と対数的因子とを一致させる獲得層に対してベイズリスクを導出する。
• 参考スコア（独自算出の注目度）: 47.61857875238484
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Randomized controlled trials typically assume that prognostic covariates are known and available at no cost. In practice, obtaining high-dimensional pretreatment data is costly, forcing a trade-off between covariate-adaptive precision and a measurement budget. We introduce Dynamic Adaptive Rerandomization via Thompson Sampling (DARTS), which treats covariate acquisition as a sequential optimization problem embedded within a design-based causal inference task. A budgeted combinatorial Thompson sampler learns which covariates are most prognostic across successive batches; selected covariates then drive rerandomization and regression adjustment to reduce batch-level average treatment effect variance. Our primary theoretical contribution is a decoupling result: adaptive covariate selection based on past batches preserves batch-level randomization validity, and the cumulative inverse-variance weighted estimator achieves at least nominal asymptotic coverage. We further derive a Bayes risk bound for the acquisition layer that matches the minimax lower bound up to logarithmic factors. Empirically, DARTS systematically concentrates the budget on informative features, significantly closing the efficiency gap to oracle designs while maintaining strict inferential validity.
• Abstract（参考訳）: ランダム化制御試験は通常、確率的共変体が知られ、無償で利用できると仮定する。 実際に、高次元前処理データを得るにはコストがかかるため、共変量適応精度と測定予算とのトレードオフを余儀なくされる。 本稿では,共変量取得を設計に基づく因果推論タスクに埋め込まれた逐次最適化問題として扱う,Thompson Smpling (DARTS) による動的適応逆列化を提案する。 予算付き組合せ型トンプソンサンプリング器は、連続するバッチ間でどの共変量が最も予後が悪いかを学習し、選択された共変量を用いて再ランダム化と回帰調整を行い、バッチレベルの平均処理効果のばらつきを低減する。 過去のバッチに基づく適応的共変量選択はバッチレベルのランダム化の妥当性を保ち、累積逆分散重み付き推定器は少なくとも名目上の漸近的カバレッジを達成する。 さらに、最小限の値と対数的因子との一致した取得層に対してベイズリスクを導出する。 経験的に、DARTSは情報的特徴に予算を体系的に集中させ、厳密な推論の妥当性を維持しながら、オラクル設計の効率ギャップを著しく埋める。

関連論文リスト

• Asymptotically Optimal Linear Best Feasible Arm Identification with Fixed Budget [55.938644481736446]
  本稿では,誤差確率の指数的減衰を保証し,最適な腕識別のための新しいアルゴリズムを提案する。 我々は,複雑性のレベルが異なる様々な問題インスタンスに対する包括的経験的評価を通じて,アルゴリズムの有効性を検証する。
  論文  参考訳（メタデータ） (2025-06-03T02:56:26Z)
• 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)
• Semiparametric conformal prediction [79.6147286161434]
  ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。 スコアの累積分布関数(CDF)を柔軟に推定する。 提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
  論文  参考訳（メタデータ） (2024-11-04T14:29:02Z)
• Prognostic Covariate Adjustment for Logistic Regression in Randomized Controlled Trials [1.5020330976600735]
  本研究では, 確率的スコア調整により, 条件付オッズ比のウォルド試験のパワーを一定のサンプルサイズで向上させることができることを示す。 我々はg-computationを用いて、確率的スコア調整の範囲を、限界リスク差、相対リスク、確率比推定に基づいて拡張する。
  論文  参考訳（メタデータ） (2024-02-29T06:53:16Z)
• Adaptive Selection of the Optimal Strategy to Improve Precision and Power in Randomized Trials [2.048226951354646]
  精度を最大化するために、どの変数とどの形式で調整アプローチを選択するかを示す。 このアプローチは、(nullの下で)Type-Iエラー制御を維持し、精度を大幅に向上させる。 実データに適用すると、全体およびサブグループ内で有意義な効率改善が見られる。
  論文  参考訳（メタデータ） (2022-10-31T16:25:38Z)
• GANISP: a GAN-assisted Importance SPlitting Probability Estimator [0.0]
  提案したGANISP(GANISP)は,対象とするシステムの分散化を改善する。 メソッドの実装は、コンパニオンリポジトリで利用可能である。
  論文  参考訳（メタデータ） (2021-12-28T17:13:37Z)
• Increasing the efficiency of randomized trial estimates via linear adjustment for a prognostic score [59.75318183140857]
  ランダム化実験による因果効果の推定は臨床研究の中心である。 歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
  論文  参考訳（メタデータ） (2020-12-17T21:10:10Z)

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。