論文の概要: Empirical Bayes Rebiasing

• arxiv url: http://arxiv.org/abs/2605.08069v1
• Date: Fri, 08 May 2026 17:53:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:39.256986
• Title: Empirical Bayes Rebiasing
• Title（参考訳）: 経験的ベイズ・リサイジング
• Authors: Wanyi Ling, Sida Li, Junming Guan, Nikolaos Ignatiadis,
• Abstract要約: 本研究では,多くの雑音と偏りのある推定値の同時解析法について検討した。 偏差推定から偏差推定を減じる標準偏差法は、分散を膨らませ、長い間隔を生じる。 我々は、完全に偏りの見積から始まり、再帰するバイアスの程度をデータから学習する経験的ベイズ緩和戦略を提案する。
• 参考スコア（独自算出の注目度）: 0.18665975431697432
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study methods for simultaneous analysis of many noisy and biased estimates, each paired with an even noisier estimate of its own bias. The analyst's goal is to construct short calibrated intervals for each parameter. The standard debiasing approach, which subtracts the bias estimate from each biased estimate, inflates variance and yields long intervals. In this paper, we propose an empirical Bayes rebiasing strategy that starts from the fully debiased estimates and learns from data how much bias to reintroduce by estimating the unknown bias distribution. We provide convergence rates for the coverage of our intervals when the bias distribution is estimated using nonparametric maximum likelihood. Furthermore, we demonstrate substantial precision gains in prediction-powered inference, including pairwise LLM win-rate evaluations, as well as for inference of direct genetic effects in family-based GWAS.
• Abstract（参考訳）: 我々は,多くの雑音および偏り推定の同時解析法について検討し,それぞれがよりノイズの多い偏り推定値と組み合わせた。 アナリストの目標は、各パラメータの短いキャリブレーション間隔を構築することである。 偏差推定から偏差推定を減じる標準偏差法は、分散を膨らませ、長い間隔を生じる。 本稿では,完全脱バイアス推定から始まり,未知のバイアス分布を推定して再帰するバイアスの程度をデータから学習する経験的ベイズ退化戦略を提案する。 非パラメトリック最大度を用いてバイアス分布を推定する際の区間被覆に対する収束率について検討した。 さらに,家族によるGWASの直接的遺伝的影響の推測だけでなく,LLMの勝利率評価など,予測による推論の精度向上も示している。

関連論文リスト

• Bayesian Semiparametric Causal Inference: Targeted Doubly Robust Estimation of Treatment Effects [1.2833734915643464]
  本稿では,平均治療効果(ATE)を推定するための半パラメトリックベイズ手法を提案する。 本手法では,ニュアンス推定によるバイアスを補正するベイズ偏差補正法を提案する。 広範囲なシミュレーションにより理論結果が確認され、正確な点推定と信頼区間が明確化される。
  論文  参考訳（メタデータ） (2025-11-19T22:15:04Z)
• Bayesian Semi-supervised Inference via a Debiased Modeling Approach [1.2833734915643464]
  半教師付き(SS)設定における推論は,近年,近年のビッグデータ問題との関連性が高まっているため,大きな注目を集めている。 SS設定における人口平均を推定するためのベイズ的手法を提案する。
  論文  参考訳（メタデータ） (2025-09-22T06:49:10Z)
• In-Context Parametric Inference: Point or Distribution Estimators? [66.22308335324239]
  償却点推定器は一般に後部推論より優れているが、後者は低次元問題では競争力がある。 実験の結果, 償却点推定器は一般に後部推定より優れているが, 後者は低次元問題では競争力があることがわかった。
  論文  参考訳（メタデータ） (2025-02-17T10:00:24Z)
• Identifying and Mitigating Social Bias Knowledge in Language Models [52.52955281662332]
  個々人の社会的偏見をきめ細かなキャリブレーションを可能にする新しいデバイアス・アプローチであるFairness Stamp(FAST)を提案する。 FASTは最先端のベースラインを超え、デバイアス性能が優れている。 これは、大きな言語モデルにおける公平性を達成するためのきめ細かいデバイアス戦略の可能性を強調している。
  論文  参考訳（メタデータ） (2024-08-07T17:14:58Z)
• Correcting Underrepresentation and Intersectional Bias for Classification [49.1574468325115]
  我々は、表現不足のバイアスによって破損したデータから学習する問題を考察する。 偏りのないデータの少ない場合、グループワイドのドロップアウト率を効率的に推定できることが示される。 本アルゴリズムは,有限VC次元のモデルクラスに対して,効率的な学習を可能にする。
  論文  参考訳（メタデータ） (2023-06-19T18:25:44Z)
• Balancing Unobserved Confounding with a Few Unbiased Ratings in Debiased Recommendations [4.960902915238239]
  本稿では,既存のデバイアス法に適用可能な理論的に保証されたモデル非依存バランス手法を提案する。 提案手法では, バイアスデータを用いて学習したモデルパラメータを補正し, バイアスデータのバランス係数を適応的に学習することで, バイアスデータを完全に活用する。
  論文  参考訳（メタデータ） (2023-04-17T08:56:55Z)
• 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)

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。