PulseAugur
实时 21:11:09
English(EN) Towards Efficient Inference under Nonmonotone Missingness with General Imputation

新的RAY方法解决了统计推理中的非单调缺失数据问题

研究人员开发了一种名为受限方差分析层级(RAY)的新统计方法,以解决处理非单调缺失数据时的参数估计和推理挑战。该方法通过揭示数据中的层级结构,为有效估计量提供了可计算的近似。RAY估计量设计为具有任意填充函数的无偏估计量,并在特定条件下可达到理论效率界限,而自适应版本提供了进一步的改进。其适用性扩展到一般的Z估计问题,并在模拟和一项单细胞多组学研究中得到了证明。 AI

排序理由 该集群包含一篇详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的RAY方法解决了统计推理中的非单调缺失数据问题

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Qi Xu, Lorenzo Testa, Jing Lei, Kathryn Roeder ·

    面向非单调缺失下具有通用插补的高效推理

    arXiv:2509.24158v2 Announce Type: replace-cross Abstract: Missing data are ubiquitous in classical survey and longitudinal studies as well as modern multi-modality data analysis. A longstanding challenge arises under nonmonotone missingness, where different units may observe arbi…