論文の概要: Fixed-Size Active Statistical Inference

• arxiv url: http://arxiv.org/abs/2610.27389v1
• Date: Mon, 19 Oct 2026 23:25:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.544185
• Title: Fixed-Size Active Statistical Inference
• Title（参考訳）: 固定サイズアクティブな統計的推測
• Abstract要約: 条件付きサンプリング (CPS) は一般Z推定問題におけるポアソンサンプリング (PS) よりも悪くはないことを示す。 合成データセットと実データセットの両方でこれらの利点を説明し、CPSを実装したPythonパッケージをリリースする。
• 参考スコア（独自算出の注目度）: 3.2152315344911737
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variance reduction techniques improve the efficiency of drawing conclusions from data. Recent proposals for variance-reduction use two complementary techniques to reduce variance: incorporating machine learning predictions into estimators and weighted sampling. A popular weighted sampling algorithm is Poisson Sampling (PS), which independently flips a biased coin at each unit and includes all heads in the sample. A fundamental flaw with PS is that it has a random sample size, which presents practical challenges and introduces variance into the estimator. We show that a fixed-size alternative, known in survey sampling as Conditional Poisson Sampling (CPS), is a drop-in replacement for PS on general multivariate Z-estimation problems, which include convex M-estimation considered in prior work. Notably, we show that the asymptotic variance of CPS is no worse than that of PS, and can be substantially better in realistic scenarios where predictions are imperfect. We illustrate these advantages on both synthetic and real datasets, and release a Python package implementing CPS. In light of our contributions, there is no need to suffer a variable sample size.
• Abstract（参考訳）: ばらつき低減技術は、データからの結論の描画効率を向上させる。 分散推論の最近の提案では、機械学習予測を推定器に組み込むことと、重み付けサンプリングという2つの相補的手法を用いて分散を低減している。 一般的な重み付きサンプリングアルゴリズムはPoisson Smpling (PS) であり、各ユニットに偏りのあるコインを独立に反転させ、サンプルに全てのヘッドを含む。 PSの根本的な欠点は、サンプルサイズがランダムであることであり、実際的な課題を示し、推定器に分散を導入することである。 条件付きポアソンサンプリング (CPS) は, 一般的な多変量Z推定問題に対するPSのドロップイン置換であり, 先行研究で考慮された凸M推定を含む。 特に,CPSの漸近的分散はPSよりも悪くなく,予測が不完全である現実的なシナリオでは著しく良好であることを示す。 合成データセットと実データセットの両方でこれらの利点を説明し、CPSを実装したPythonパッケージをリリースする。 私たちの貢献を踏まえると、さまざまなサンプルサイズに苦しむ必要はありません。

関連論文リスト

• Sample Complexities of Estimating Gumbel--Max Watermark Proportions with and without Reduction to Pivotal Statistics [4.346179456029564]
  透かしは、大きな言語モデル(LLM)が使用する統計的トレーサビリティを約束するが、実際の文書は、純粋に人間書きか純粋にLLM生成として現れることは滅多にない。 我々は,この透かし比推定問題をGumbel-max透かし機構を用いて検討した。 我々はLaguerre-polynomial estimatorを開発し、サンプルの複雑さに一致する情報理論の下限を確立する。
  論文  参考訳（メタデータ） (2026-06-30T22:04:35Z)
• Stable Thompson Sampling: Valid Inference via Variance Inflation [1.6385815610837167]
  我々はトンプソンサンプリング型アルゴリズムを用いてデータを収集する際の統計的推測の問題を考える。 我々は,後方分散を対数係数で膨らませる,安定トンプソンサンプリング(Stable Thompson Sampling)と呼ばれるTSの変種を提案し,解析する。
  論文  参考訳（メタデータ） (2025-05-29T09:11:42Z)
• Persistent Sampling: Enhancing the Efficiency of Sequential Monte Carlo [0.0]
  連続モンテカルロサンプリング(SMC)はベイズ推論の強力なツールであるが、高い計算コストに悩まされている。 我々は、SMCを維持し、全ての先行イテレーションから粒子を構成する永続サンプリング(PS)を導入する。
  論文  参考訳（メタデータ） (2024-07-30T10:34:40Z)
• Detecting Adversarial Data by Probing Multiple Perturbations Using Expected Perturbation Score [62.54911162109439]
  逆方向検出は、自然分布と逆方向分布の差に基づいて、与えられたサンプルが逆方向であるかどうかを判定することを目的としている。 本研究では,様々な摂動後の標本の予測スコアであるEPS(pre expected perturbation score)を提案する。 EPSに基づく最大平均誤差(MMD)を,試験試料と自然試料との差を測定する指標として開発する。
  論文  参考訳（メタデータ） (2023-05-25T13:14:58Z)
• Stable Probability Weighting: Large-Sample and Finite-Sample Estimation and Inference Methods for Heterogeneous Causal Effects of Multivalued Treatments Under Limited Overlap [0.0]
  異種因果効果を推定・推定するための実用的大サンプルおよび有限サンプル法を提案する。 安定確率重み付け(Stable Probability Weighting)という一般原理を考案する。 また、弱null仮説の一般クラスをテストするための新しい有限サンプル推論手法を提案する。
  論文  参考訳（メタデータ） (2023-01-13T18:52:18Z)
• Unrolling Particles: Unsupervised Learning of Sampling Distributions [102.72972137287728]
  粒子フィルタリングは複素系の優れた非線形推定を計算するために用いられる。 粒子フィルタは様々なシナリオにおいて良好な推定値が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-06T16:58:34Z)
• Sampling-free Variational Inference for Neural Networks with Multiplicative Activation Noise [51.080620762639434]
  サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。 提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
  論文  参考訳（メタデータ） (2021-03-15T16:16:18Z)
• Optimal Off-Policy Evaluation from Multiple Logging Policies [77.62012545592233]
  我々は,複数のロギングポリシからオフ政治評価を行い,それぞれが一定のサイズ,すなわち階層化サンプリングのデータセットを生成する。 複数ロガーのOPE推定器は,任意のインスタンス,すなわち効率のよいインスタンスに対して最小分散である。
  論文  参考訳（メタデータ） (2020-10-21T13:43:48Z)
• Estimating Gradients for Discrete Random Variables by Sampling without Replacement [93.09326095997336]
  我々は、置換のないサンプリングに基づいて、離散確率変数に対する期待値の偏りのない推定器を導出する。 推定器は3つの異なる推定器のラオ・ブラックウェル化として導出可能であることを示す。
  論文  参考訳（メタデータ） (2020-02-14T14:15:18Z)

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。