論文の概要: Causal inference for group-contaminated structured outcomes: observable quotients, lossless reduction and exact randomization inference

• arxiv url: http://arxiv.org/abs/2608.11954v1
• Date: Wed, 12 Aug 2026 11:39:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.565453
• Title: Causal inference for group-contaminated structured outcomes: observable quotients, lossless reduction and exact randomization inference
• Title（参考訳）: グループ汚染された構造化結果に対する因果推論:観測可能な商、損失のない還元、正確なランダム化推定
• Abstract要約: 制限のない観測モデル X = について検討する。 Y(A)はその観測可能な情報を特徴付ける。 商-忠実復元定理は、完全変換実験には商還元が十分であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Structured potential outcomes such as microscopy images may be recorded after an unknown, unit-specific transformation. If that transformation can depend on treatment, covariates or the intrinsic outcome, raw-coordinate analyses may mix biological effects with acquisition geometry. We study the unrestricted observation model X = Γ . Y(A) and characterize its observable information: a target is uniformly recoverable exactly when it is constant on group orbits, while a Borel maximal invariant retains every measurable invariant target. We then distinguish observability from statistical losslessness. A quotient-faithful reconstruction theorem shows that quotient reduction is sufficient for the full transformed experiment exactly when the conditional law of the raw observation given treatment, covariates and the quotient has a parameter-free version. Conditional Haar contamination on a compact group yields Blackwell equivalence as a special case; it is not imposed in the main model. We also separate independent site-specific product actions from shared diagonal actions and show why componentwise canonicalization can discard relative cross-site information. Under explicit metric and kernel regularity, an approximate-contamination theorem bounds quotient-law Wasserstein error and the induced perturbation of population maximum mean discrepancy. For finite-support multichannel lattice images, we construct a maximal invariant under integer translations and quarter turns, combine its characteristic Gaussian kernel with a complete paired-swap test, and retain the original simulations and RxRx1 HUVEC study. Under the sharp null, the quotient test rejected in 0.052 of simulation replicates; at unit effect strength its power was 0.992. The primary RxRx1 contrast had an enumerated paired-swap p-value of 0.0078.
• Abstract（参考訳）: 顕微鏡画像のような構造的な潜在的な成果は、未知の単位固有の変換後に記録される。 この変換が治療、共変量または本質的な結果に依存することができれば、生座標解析は生物学的効果と獲得幾何学を混合することができる。 制限のない観測モデル X = . . . . . . . . . . . . . . . . . . . . . . . . . . . Y(A) とその観測可能な情報を特徴づける: 対象は群軌道上で定数であるときに正確に一様回復可能である一方、ボレル極大不変量はすべての測度不変ターゲットを保持する。 そして、観測可能性と統計的損失を区別する。 商-忠実な再構成定理は、与えられた生観測の条件法則、共変量および商がパラメータフリーなバージョンを持つときの完全変換実験に商還元が十分であることを示す。 コンパクト群上の条件付きハール汚染は、ブラックウェル同値を特別な場合として得る。 また, 異なるサイト固有の製品行動と共有対角行動とを分離し, コンポーネント単位の正準化が相対的なクロスサイト情報を捨てる理由を示す。 明示的な計量と核の正則性の下では、近似汚染定理は商法則ワッサースタイン誤差と集団の最大平均誤差の誘導摂動を束縛する。 有限支持型マルチチャネル格子画像に対しては、整数変換と四進法の下で最大不変量を構築し、その特性を持つガウス核と完全なペアスワップテストを組み合わせるとともに、元のシミュレーションとRxRx1 HUVEC研究を継続する。 急激なヌルの下では、0.052回のシミュレーションで正当性試験は拒否され、単位効果強度では0.992であった。 第一のRxRx1コントラストは、列挙されたペアスワップp値0.0078であった。

関連論文リスト

• Characterizing Heterogeneous Rates in Finite Mixture Estimation via Partial Optimal Transport [88.55403215843967]
  改良された局所および大域収束保証を得るためのボロノイ系部分最適輸送(VPOT)は、混合測定の最大極大推定器である。 結果は、混合比例が真の混合成分の数についてのゼロまたは以前の知識から一様に制限されることなく、任意の固定次元で保持される。
  論文  参考訳（メタデータ） (2026-09-15T04:32:53Z)
• The Resolution of Causal Heterogeneity [5.222979968110479]
  因果部分群分析はしばしば、その数がよく定義された推定値であるかのように、治療効果の不均一性を要約する少数の群を報告する。 我々はこれを新しい人口推定法、解像度プロファイル、因果的特徴法の機能に置き換える。 推論は、1つの構造化モーメントプロセスのために、1つのクロスフィットベイズ・ブートストラップ後部を中心に構成される。
  論文  参考訳（メタデータ） (2026-07-19T14:56:06Z)
• Generalized nonparametric regression in reproducing kernel Hilbert spaces: Consistency and rates of convergence [0.0]
  我々は再生空間におけるM-levの包括的理論を開発する。 ソボ空間に対しては、混合滑らか性関数を持つ滑らか性空間に接続する新たなレートを得る。
  論文  参考訳（メタデータ） (2026-06-22T08:12:31Z)
• Bounded Difference Concentration for Infinitely Exchangeable Sequences with Applications to AI Benchmark Uncertainty [9.998078491879145]
  無限交換可能な確率変数の関数の濃度特性を考察する。 サブサンプル平均と全集団平均との差のようなゼロサム線形コントラストでは、潜時混合項は正確にキャンセルされる。 このキャンセルは、最近の有限交換可能な濃度結果の無限伸縮限界に対して直接デ・フィネッティ機構を提供する、厳密で混合のないホーフディング型境界を与える。
  論文  参考訳（メタデータ） (2026-06-16T02:19:01Z)
• Is Spurious Correlation Removal Always Learnable? [56.28155520961125]
  不変学習は、構造が統計的に識別可能であっても失敗することがある。 ブラックボックスサンプリング可能な教師付きスパースリカバリプリミティブの下では、実証可能な多次元環境が存在する。 合成および実際のデータセットは、予測されたギャップと遷移を示し、単純な多様性診断を動機付ける。
  論文  参考訳（メタデータ） (2026-06-11T05:49:43Z)
• Partial Causal Structure Learning for Valid Selective Conformal Inference under Interventions [0.0]
  ゲノミクスの実験では、交換可能性はしばしば、対象変数を「影響を受けない」ままにしておく介入のサブセットにのみ保持される。 i)「影響のない」キャリブレーション例の誤分類が、明示的な関数$g(,n)$の汚染分数とキャリブレーションセットサイズを介してどのようにカバレッジを劣化させるか、および (ii) 2つの後続指標$Z_a,i=mathbf1iinmathrmdesc(a)$のみを推定するタスク駆動部分因果学習の定式化。
  論文  参考訳（メタデータ） (2026-03-02T18:58:22Z)
• Sample Complexity Bounds for Robust Mean Estimation with Mean-Shift Contamination [40.15176310729312]
  平均シフト汚染の有無における平均推定の基本的な課題について検討する。 対象平均を任意の精度で推定する,サンプル効率のアルゴリズムが存在することを示す。
  論文  参考訳（メタデータ） (2026-02-25T17:21:23Z)
• Detecting Unobserved Confounders: A Kernelized Regression Approach [46.52607207396279]
  Kernel Regression Confounder Detection (KRCD) は、単一環境下での非線形観測データにおける観測不能なコンバウンディングを検出する新しい方法である。 ゼロからの有意な偏差が観測不能な共起を示すテスト統計学。 合成ベンチマークとツインズデータセットの実験は、KRCDが既存のベースラインを上回るだけでなく、計算効率も優れていることを示した。
  論文  参考訳（メタデータ） (2026-01-01T04:26:02Z)
• Sample Complexity Bounds for Estimating Probability Divergences under Invariances [31.946304450935628]
  群不変確率分布は、機械学習において多くのデータ生成モデルに現れる。 本研究では, 多様体上のリー群の滑らかな作用に関して, 固有の不変性が, サンプルの複雑性をいかに改善するかを考察する。 結果は正次元の群にとって全く新しいものであり、有限群作用に対する最近の境界を拡張する。
  論文  参考訳（メタデータ） (2023-11-06T04:45:21Z)
• Nonparametric Conditional Local Independence Testing [69.31200003384122]
  条件付き局所独立は、連続的な時間プロセス間の独立関係である。 条件付き地域独立の非パラメトリックテストは行われていない。 二重機械学習に基づく非パラメトリックテストを提案する。
  論文  参考訳（メタデータ） (2022-03-25T10:31:02Z)
• Covariate Shift in High-Dimensional Random Feature Regression [44.13449065077103]
  共変量シフトは、堅牢な機械学習モデルの開発において重要な障害である。 現代の機械学習の文脈における理論的理解を示す。
  論文  参考訳（メタデータ） (2021-11-16T05:23:28Z)
• Generalized Kernel Ridge Regression for Causal Inference with Missing-at-Random Sample Selection [3.398662563413433]
  非パラメトリック線量応答曲線と半パラメトリック処理効果に対するカーネルリッジ回帰推定器を提案する。 離散処理の場合,ルートnの整合性,ガウス近似,半パラメトリック効率を証明した。
  論文  参考訳（メタデータ） (2021-11-09T17:10:49Z)

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。