跳转至

2026-11-12 每日资讯

  • 高相关论文 3 篇 · 中相关 40 篇 · 其他 109 篇 · 会议/Seminar 事件 0 条

⭐ 高相关论文(按主题分组)

因果推断 (causal_inference, 2 篇)

1. 2611.13187 — Causal Learning with Invalid Instruments for High-dimensional Imaging Responses

  • 作者: Yiting Wang, Chunlin Li, Shan Yu, Lily Wang
  • 机构: University of Virginia · Iowa State University · George Mason University
  • 分类: stat.ME · math.ST · stat.AP · stat.TH
  • 相关性 8/10 · novelty: new_method
  • 摘要: 本文针对高维神经影像响应变量,提出 Hi-FIVE 框架,在多数候选工具变量可能局部无效时估计空间变化的因果效应。首先建立可识别性条件:当因果效应曲面具有空间连续性,且无效 IV 效应非光滑切换时,识别可从有效工具占多数的区域传播到其他区域。估计方法采用三角剖分上的惩罚多元样条拟合因果曲面,并对局部无效 IV 效应施加区域惩罚,同时通过锚定约束保证每个单纯形上至少有一个相关工具变量有效。计算上提出分布式算法,可并行处理二维和三维图像的单纯形。理论方面建立了估计量的一致性和逐点渐近正态性,并构造了基于 bootstrap 校准的同时置信区域。最后应用于阿尔茨海默病神经影像计划中磷酸化 tau 对 FDG-PET 成像的影响分析。对您而言,该文将 IV 方法与空间结构结合,是因果推断中处理高维复杂数据的一个新视角,尤其与您的因果推断和半参数理论兴趣相关。
  • 关键技术: invalid instrumental variables, penalized multivariate splines over triangulations, spatial continuity identification, distributed computation, bootstrap simultaneous confidence regions
  • 为什么对您有用: 该文直接关联您的因果推断兴趣,特别是 IV 方法在无效工具和高维响应下的扩展。您可运用 very_familiar 的高维渐近和估计理论来审视其识别条件与渐近性质的严谨性,或考虑其空间惩罚与您熟悉的半参数效率理论的联系。中期可做:若想深入其计算复杂度,需在 moderately_familiar 的 HOIF 或 M-估计理论上加强。

2. 2611.14385 — Semiparametric Inference in Panel Data with Interactive and High-dimensional Confounding

  • 作者: Bin Chen, Yukun Ma, Qiyang Yu
  • 机构: University of Rochester
  • 分类: econ.EM
  • 相关性 8/10 · novelty: new_method
  • 摘要: 本文研究部分线性面板模型中低维处理系数的推断问题,其中观测协变量高维且存在潜在的交互式混淆(interactive confounding)。标准 DML 在灵活调整观测协变量后,处理与结果残差中仍可能残留相关的因子成分,导致推断失效。作者提出因子增强 DML(FA-DML),先从第一阶段残差中估计处理侧与简化形式的因子空间,再结合可行的双重投影与三层单位级交叉拟合。双重投影控制两个估计因子空间之间的交互,而分离的折层避免因子估计误差主导扰动项中的同训练单元配对。在固定因子秩、因子信号普遍、严格外生性以及 N 和 T 联合渐近的假设下,FA-DML 与不可行的 oracle 一阶等价,具有渐近正态性且方差估计一致。模拟显示在强交互混淆下 FA-DML 覆盖接近名义水平,而标准 DML 及同单元两折变体严重欠覆盖;应用于美国各州数据,发现实际最低工资提高 10% 与 50/10 工资比下降约 1.1% 相关。
  • 关键技术: double/debiased machine learning, factor-augmented estimation, double projection, cross-fitting, panel data with interactive fixed effects
  • 为什么对您有用: 该文直接连接您的主要兴趣之一——因果推断中的纵向/面板数据设置,具体是交互固定效应与高维混淆下的处理效应推断。您非常熟悉的工具(如 DML、交叉拟合、半参数理论)足以理解其核心机制;可中期尝试用您 moderately_familiar 的 HOIF 或高阶 U 统计量视角分析其三层交叉拟合的有限样本性质,或探索因子估计误差对推断的影响。

高维统计 / 随机矩阵 (high_dim_rmt, 1 篇)

1. 2611.13657 — Projection-Based Partial Correlation Inference Beyond Sparsity

  • 作者: Youwu Lin, Zhaojun Zhou, Shuqi Shi, Xianming Sun
  • 机构: Peking University · Guilin University of Electronic Technology · Zhongnan University of Economics and Law
  • 分类: stat.ME
  • 相关性 8/10 · novelty: new_method
  • 摘要: 本文针对高维高斯模型中条件变量存在稠密依赖、传统稀疏假设不适用时的偏相关系数推断问题,提出了一种目标特定的投影框架。通过最大化一个总体二次准则,得到一维投影方向,并在秩一对齐条件下保持原始偏相关系数。可行估计使用独立训练样本上的对角岭正则化,建立了在协方差诱导预测范数下的方向估计率,并证明偏相关误差是方向误差的二阶量。在正则化有效维度和目标特定岭偏差条件下,得到了分割样本估计量的oracle等价性和渐近正态性,以及零偏相关原假设的渐近有效检验。在投影原假设下,精确的有限样本F校准成立;一个显式的坐标稠密高斯模型验证了当维数超过样本量时所需的条件。数值实验展示了所提方法的有限样本性能。
  • 关键技术: target-specific projection, diagonal ridge regularization, split-sample estimation, oracle equivalence, F-calibration
  • 为什么对您有用: 本文直接关联您的高维统计与随机矩阵理论兴趣,特别是高维推断中稀疏假设失效的情形。您可以用您非常熟悉的 minimax bounds 和 high-dimensional asymptotics 工具来审视其方向估计率是否最优,以及用您 moderately_familiar 的 semiparametric theory 来评估其渐近正态性结果的效率。中期可做:若想深入其正则化机制,需在随机矩阵理论(如 Marchenko-Pastur 律)上加强。

📌 中相关论文(按主题分组)

因果推断 (causal_inference, 3 篇)

1. 2611.13206 — Ratio-of-mediator-probability weighting for causal mediation analysis: estimation, extensions, and practical guidance

  • 作者: Ariel Linden
  • 机构: University of California, San Francisco
  • 分类: stat.ME
  • 相关性 7/10 · novelty: application
  • 摘要: 本文在因果中介分析框架下,系统梳理并统一了比值中介概率加权(RMPW)方法,用于估计自然直接效应和自然间接效应。RMPW 通过重新加权中介变量分布而非建模结局,从而自然容纳处理-中介交互作用。作者将连续中介变量的异方差正态模型纳入框架,并将两步方差估计推广到多个参数权重分量。通过全国健康调查(性少数身份对吸烟差异的中介分解)和随机福利实验(项目分配到就业再到母亲抑郁症状的路径)两个实例进行说明。模拟研究评估了模型设定、替代加权策略、处理选择调整、权重稳定性、方差估计和连续处理等情形,发现参数 RMPW 在模型正确且权重稳定时表现良好,但正确设定并不能防止集中权重导致的不稳定估计;分层加权对模型误设有一定稳健性。将估计权重视为固定的标准误不可靠,而两步法和 bootstrap 推断在适当条件下表现良好。方法已实现于 Stata 命令 mmwsmed。对您而言,本文提供了中介分析中加权估计的实用指南,与您 causal inference 方向中的 mediation 子方向直接相关。
  • 关键技术: ratio-of-mediator-probability weighting, natural direct and indirect effects, two-step variance estimation, bootstrap inference, heteroskedastic normal model, Stata implementation
  • 为什么对您有用: 直接对应您 primary interest 中的 causal inference 的 mediation 子方向;本文的加权估计框架和方差推断问题,可用您 very_familiar 的 estimation theory in causal inference 和 moderately_familiar 的 semiparametric theory 来审视其效率性质。立即可做:基于现有工具即可复现模拟并检验其方差估计的有限样本表现。

2. 2611.13327 — Causal mediation analysis for a time-to-event endpoint in the presence of competing events

  • 作者: Yuhao Deng, Peter Gilbert, Youyi Fong, Bo Zhang
  • 机构: Fred Hutch Cancer Center
  • 分类: stat.ME
  • 相关性 7/10 · novelty: new_method
  • 摘要: 本文在存在竞争风险的时间-事件结局下,统一处理因果中介分析,目标是分解处理对原因别累积发生率的总体效应。作者在自然效应、随机干预效应和可分离效应三种框架下建立分解,并证明在某些设定下三者尽管识别假设不同,却产生相同的统计泛函。他们推导了反事实累积发生率曲线及分解效应的有效影响函数,并提出多重稳健且达到半参数效率界的双机器学习型估计量,同时针对时间-事件结局的未测量混杂提供敏感性分析。此外,通过核平滑估计量研究中介-结局响应关系,并在COVID-19疫苗和HIV-1预防试验的免疫相关性分析中应用该方法。
  • 关键技术: efficient influence function, double machine learning, multiply robust estimation, semiparametric efficiency bound, sensitivity analysis, kernel smoothing
  • 为什么对您有用: 本文直接推进了您的主要兴趣——因果推断中的中介分析和纵向/时间-事件设定,且提供了半参数效率界和DML估计量的完整理论,与您的效率理论(semiparametric efficiency bounds, debiased ML)高度契合。您可以用非常熟悉的半参数理论工具(如EIF推导)来验证其识别假设的充分性,或探索其分解在更复杂数据下的扩展;属于立即可做的方向。

3. 2611.13313 — Instrumental variables with treatment clusters

  • 作者: Didier Nibbering, Matthijs Oosterveen, Pedro Luis Silva
  • 机构: Monash University · University of Lisbon · ISEG - Instituto Superior de Economia e Gestão
  • 分类: econ.EM
  • 相关性 7/10 · novelty: new_method
  • 摘要: 本文研究多值无序处理变量在政策评估中被聚合成簇后使用工具变量(IV)估计的问题。作者证明,在未聚合处理水平上的一组假设下,基于处理簇的IV估计识别的是各局部平均处理效应(LATE)的加权平均。当存在未聚合处理选择数据时,他们提出了可检验的必要条件,用于验证簇级IV的因果解释是否成立。方法上,他们利用潜在结果框架和单调性假设推导识别结果,并给出权重表达式。实证部分以大学专业对收入的影响为例,将专业聚合成STEM与非STEM或八个大类,展示了所提检验的应用。对您而言,该文连接了因果推断中的IV识别与敏感性分析,且其可检验条件为实证研究提供了实用工具。
  • 关键技术: instrumental variables, local average treatment effects, treatment clustering, testable implications, potential outcomes
  • 为什么对您有用: 本文直接关联您的主要兴趣——因果推断中的IV识别,特别是处理变量聚合时的识别假设与检验。您可以用您非常熟悉的估计理论(如IV估计的渐近性质)来审视其加权平均LATE的权重是否可解释,或用您中等熟悉的识别理论来探讨其可检验条件的完备性。中期可做:若想深入其检验的有限样本性质,需在假设检验理论上稍作加强。

高维统计 / 随机矩阵 (high_dim_rmt, 1 篇)

1. 2611.13423 — High-Dimensional Nonsparse Regression under Covariate Shift via Importance-Weighted Partial Least Squares

  • 作者: Youwu Lin, Jianghe Shi, Pei Wang
  • 机构: Guilin University of Electronic Technology · Guangdong University of Foreign Studies
  • 分类: stat.ME
  • 相关性 6/10 · novelty: new_method
  • 摘要: 本文研究高维非稀疏回归在强预测变量相关性和协变量偏移同时存在时的估计问题。目标是在源域数据上训练模型,但预测目标域,且两域协变量分布不同。作者提出重要性加权偏最小二乘(IWPLS)方法,通过对源样本加权以匹配目标协变量分布,并提取与响应相关的成分进行系数估计。由于加权样本协方差矩阵不再具有 Wishart 结构,作者结合加权 PLS 矩的扰动分析和影响函数分解,建立了单成分和多成分估计量的一致性,以及单成分估计量的渐近正态性。模拟和真实数据分析表明 IWPLS 优于基准方法。对您而言,该文将高维回归与协变量偏移结合,其影响函数分解和加权协方差矩阵的谱分析可能对您的高维随机矩阵理论和半参数效率研究有参考价值。
  • 关键技术: importance weighting, partial least squares, influence function decomposition, perturbation analysis, covariate shift
  • 为什么对您有用: 该文涉及高维回归和协变量偏移,其影响函数分解和加权协方差矩阵的谱分析可能对您的高维随机矩阵理论和半参数效率研究有参考价值。但方法核心是 PLS 而非您熟悉的 U-统计量或 DML,且非稀疏设定与您常关注的稀疏高维问题不同。属于中期可做:需先熟悉 PLS 和协变量偏移的识别框架,再考虑用您的影响函数工具分析其效率。

非参数 / 半参数 (nonparam_semipara, 8 篇)

1. 2611.13240 — Adaptive local Fr\'echet regression with polyspherical predictors

  • 作者: Chang Jun Im
  • 机构: Seoul National University
  • 分类: math.ST · stat.ME · stat.TH
  • 相关性 7/10 · novelty: new_method
  • 摘要: 本文研究响应取值于一般度量空间、预测变量为多个球面乘积(polysphere)的局部 Fréchet 回归。作者提出因子特定带宽的局部常数和局部线性估计量,并建立其一致收敛速率。通过比较全模型与留一因子模型的交叉拟合预测风险来选择活跃球面因子,该过程能一致地恢复活跃因子集,且所选估计量达到与已知活跃因子集时相同的收敛速率。对于支撑在共同紧区间上的单变量 Wasserstein 响应,无需对响应空间施加熵条件即可获得一致速率。模拟(标量和球面响应)以及船舶速度和漂流物速度分布的实际数据分析验证了方法。
  • 关键技术: local Fréchet regression, factor-specific bandwidths, cross-fitting, model selection, uniform convergence rates, Wasserstein responses
  • 为什么对您有用: 本文属于非参数回归理论,直接关联您的非参数与半参数理论兴趣,特别是度量空间响应和球面预测变量的局部建模。您可以用非常熟悉的非参数统计和极小极大界工具来审视其收敛速率的紧性,或探索因子选择的一致性条件是否可推广到更一般的流形预测变量。中期可做:若想深入 Wasserstein 空间的局部建模,需在度量空间上的经验过程理论上稍作加强。

2. 2611.13623 — First-order asymptotic expansions for spectral convergence of normalized graph Laplacians constructed from samples on manifolds

  • 作者: Eunseong Bae, Wolfgang Polonik
  • 机构: Sungkyunkwan University · University of California, Davis
  • 分类: math.ST · math.DG · math.SP · stat.ML · stat.TH
  • 相关性 7/10 · novelty: new_theory
  • 摘要: 本文在闭黎曼流形上均匀 i.i.d. 采样、嵌入欧氏空间的设定下,研究由高斯核构造的对称归一化图拉普拉斯算子的谱收敛。作者推导了特征值和特征向量的一阶渐近展开,并给出了余项项的集中不等式,进而建立了相应的弱收敛结果。与大多数相关工作不同,本文不要求特征值具有重数为一的假设,从而将框架推广到可能具有非平凡特征值重数的一般流形。技术工具包括随机矩阵的集中不等式、流形上函数的谱分解以及核估计的偏差-方差分解。该结果对高维统计中基于图的流形学习与谱聚类方法的理论理解有直接意义。对您而言,其渐近展开与集中不等式技术可迁移至您在高维随机矩阵理论中处理非渐近谱分析的问题。
  • 关键技术: graph Laplacian, Gaussian kernel, first-order asymptotic expansion, concentration inequalities, spectral convergence, Riemannian manifold
  • 为什么对您有用: 本文属于非参数/半参数理论中流形学习与谱方法的渐近分析,直接关联您的主要兴趣之一(非参数与半参数理论)。您可运用 very_familiar 中的高维渐近与集中不等式工具,检验其展开的紧性,或将其推广至非均匀采样情形。中期可做:需在 moderately_familiar 的谱理论或流形几何上稍作补充。

3. 2611.14445 — Nonparametric Maximum Likelihood Estimation for Mixtures of Logistic Regressions

  • 作者: Muheng Li, Peize Zhang, Xin Bing
  • 机构: University of Toronto · University of Illinois Urbana-Champaign
  • 分类: math.ST · stat.ML · stat.TH
  • 相关性 7/10 · novelty: new_method
  • 摘要: 本文研究混合逻辑回归模型,其中混合分布未指定,目标是估计混合回归函数。作者提出筛子非参数最大似然估计(NPMLE),并在固定设计和随机设计下推导了估计误差的非渐近界。结果揭示了统计估计误差与筛子半径引起的逼近误差之间的显式权衡,并在混合分布的不同尾部条件下得到收敛速率。计算方面,提出有限粒子算法,通过优化有限支撑混合分布的位置和权重来逼近筛子 NPMLE,并给出全局收敛保证。当真实混合分布有限支撑时,进一步建立均匀全局收敛保证,并分离算法误差与统计误差。此外,还得到混合分布的降噪界和可识别性结果。
  • 关键技术: sieve NPMLE, finite-particle algorithm, non-asymptotic bounds, mixture regression, identifiability
  • 为什么对您有用: 本文属于非参数/半参数估计理论,直接关联您的主要兴趣之一。其筛子 NPMLE 的收敛速率分析涉及非参数极大似然估计的经典理论,您可以用非常熟悉的非参数统计和极小极大界工具来审视其速率是否最优。此外,有限粒子算法的收敛性分析可能涉及计算与统计的权衡,与您感兴趣的统计计算方向有交集。

4. 2611.13460 — Sufficient Dimension Reduction with Multimodal Predictor Objects

  • 作者: Abdul-Nasah Soale
  • 机构: Case Western Reserve University
  • 分类: stat.ME · math.ST · stat.AP · stat.ML · stat.TH
  • 相关性 6/10 · novelty: new_method
  • 摘要: 本文研究标量响应 Y 对欧氏预测变量 X 和一般度量空间中的随机对象 Z 的回归,允许任意结构依赖。目标 estimand 是联合充分降维 (B^T X, G_Z),通过序贯条件独立框架构造,与经典的 Y|X 中心子空间有本质区别。方法上,将 Z 嵌入再生核希尔伯特空间,用正则化的核响应包络模型提取特征映射的有限维降维,再通过部分自适应估计恢复给定第一阶段坐标下的欧氏降维。理论方面,在收缩正则化下建立了第一阶段包络子空间的根号 n 相合速率,以及第二阶段欧氏子空间估计的大样本相合性。模拟和两个真实数据应用展示了方法的实用性和灵活性。对您而言,该文的序贯降维框架和核包络方法可能为处理复杂预测对象(如函数型或图型数据)的因果推断或半参数建模提供新思路。
  • 关键技术: sufficient dimension reduction, reproducing kernel Hilbert space, envelope model, sequential conditional independence, root-n consistency
  • 为什么对您有用: 本文属于非参数/半参数降维方法,与您的非参数与半参数理论兴趣直接相关,特别是核方法和包络模型在复杂数据对象上的应用。您可以用 very_familiar 的非参数统计和最小最大界工具来审视其根号 n 速率的证明,或考虑将其序贯框架与因果推断中的代理变量或工具变量结合,探索新的识别策略。中期可做:需在 moderately_familiar 的半参数理论上加强,以处理其估计方程的影响函数推导。

5. 2611.13754 — Harnessing collaborative networks for nonparametric quantile learning

  • 作者: Jinyuan Chang, Yue Wang, Heng Lian, Wen-Xin Zhou
  • 机构: Southwestern University of Finance and Economics · University of Science and Technology of China · City University of Hong Kong · University of Illinois Chicago
  • 分类: stat.ME
  • 相关性 6/10 · novelty: new_method
  • 摘要: 本文研究网络化分布式环境下的非参数分位数回归,目标是在不交换原始数据且无中心协调的条件下,在再生核希尔伯特空间中估计条件分位数函数。标准核估计因check loss非光滑且表示定理依赖全局数据基而难以直接分布式实现,作者通过卷积平滑和共享随机特征将目标函数转化为可微且参数维度更低的共同参数化形式。算法上提出梯度调整的ADMM,用网络校正的梯度更新替代局部最小化,并给出通信增强变体以选择性传输更新。理论上建立了平滑全核和随机特征估计量的非渐近误差界,证明后者在合适带宽和特征维度下达到全核速率,且两种算法线性收敛到随机特征共识估计量。模拟和真实数据应用展示了相当的预测精度和显著的计算通信节省。对您而言,该文的非参数估计与分布式优化结合思路,可连接到您非参数/半参数理论方向,且其随机特征与核方法分析可能用到您熟悉的非参数工具。
  • 关键技术: convolution smoothing, random features, ADMM, nonparametric quantile regression, RKHS, nonasymptotic error bounds
  • 为什么对您有用: 该文属于非参数/半参数理论方向,具体是非参数分位数回归在分布式网络中的估计与计算,与您的非参数理论兴趣直接相关。您熟悉的非参数统计和核方法工具可用于审视其随机特征近似的误差传播,但分布式优化和网络共识机制并非您武器库中的核心,属于中期可做:需先熟悉ADMM和分布式优化分析。

6. 2611.13930 — Lengthscale Estimation for the Gaussian Kernel and Deterministic Response Functions

  • 作者: Subhendu Pramanick, Toni Karvonen
  • 机构: Lappeenranta-Lahti University of Technology
  • 分类: math.ST · cs.NA · math.NA · stat.TH
  • 相关性 6/10 · novelty: new_theory
  • 摘要: 本文研究固定域渐近下,当观测来自确定性单变量响应函数时,高斯核长度尺度参数的最大似然与交叉验证估计量的行为。作者证明了这些估计量的下界,其依赖于响应函数 Fourier 变换的衰减速率所衡量的正则性。若响应函数属于长度尺度为 ℓ 的高斯核再生核 Hilbert 空间,下界对 ℓ 有直接依赖;对带限函数及 Fourier 变换按 exp(-a|ω|^γ)(a>0, γ>2)衰减的函数,估计量以至少 (log n)^{(γ-2)/(2γ)} 的速度发散。与有限光滑 Matérn 核的类似结果不同,本文结果不假设观测点几何结构。数值实验验证了理论结果。
  • 关键技术: fixed-domain asymptotics, maximum likelihood estimation, cross-validation, Gaussian kernel, Fourier decay, lower bounds
  • 为什么对您有用: 本文属于非参数/半参数理论中核方法超参数估计的渐近理论,直接关联您对非参数统计与假设检验的兴趣;您熟悉的非参数统计与极小极大界工具可用于验证或扩展其下界,例如检查其是否在更一般的观测设计下紧。

7. 2611.13037 — Spectral-Domain Information Geometry of Stationary Covariance Models: Gaussian and Elliptical Extensions

  • 作者: Shu Yang, Dongying Li, Wenxian Yu
  • 分类: math.ST · eess.SP · stat.TH
  • 相关性 5/10 · novelty: new_theory
  • 摘要: 本文为平稳协方差结构建立信息几何框架,从无限维设定出发,将协方差结构视为测试函数上的双线性形式,得到谱表示,并说明有限维Toeplitz协方差矩阵如何作为嵌套观测子空间的限制出现。对零均值复高斯宽平稳过程,证明归一化Fisher信息收敛到谱域度量,在对数谱坐标下该度量成为标准L2内积,从而得到显式Fisher-Rao距离,并恢复为Toeplitz协方差矩阵间仿射不变黎曼距离的渐近归一化形式。进一步将框架扩展到椭圆观测模型,分离全局协方差尺度与形状,证明形状Fisher信息与径向 nuisance 方向正交,并由依赖于维数和径向模型的系数刻画。推导该系数收敛到高斯值的条件,得到极限谱形状几何为对数谱的中心化L2几何,且对正缩放不变。数值实验验证了理论收敛结果和高斯形状系数的恢复。对您可能有用:该文将无限维谱度量与有限维Toeplitz矩阵的渐近几何联系起来,其技术可迁移至高维协方差估计的渐近效率分析,与您的高维统计和随机矩阵兴趣直接相关。
  • 关键技术: information geometry, Fisher-Rao distance, Toeplitz covariance, spectral representation, elliptical models, affine-invariant Riemannian distance
  • 为什么对您有用: 该文属于数学统计与半参数理论范畴,直接关联您对高维协方差结构和渐近效率的兴趣。您可用 very_familiar 的高维渐近工具(如随机矩阵谱分析)验证其谱度量收敛的有限维修正,或探索该几何框架对协方差估计 minimax 界的启示。中期可做:需在 moderately_familiar 的半参数理论上稍加熟悉,以将 Fisher 信息分解推广到非高斯设定。

8. 2611.13323 — Species sampling priors through exact augmentation

  • 作者: Rams\'es H. Mena, Christos Merkatas, Theodoros Nicoleris, Carlos E. Rodr\'iguez
  • 机构: Universidad Nacional Autónoma de México · National and Kapodistrian University of Athens · University of the Aegean
  • 分类: math.ST · stat.TH
  • 相关性 5/10 · novelty: new_method
  • 摘要: 本文研究贝叶斯非参数混合建模中的离散随机概率测度,即物种抽样过程(SSP)。作者证明每个适当的SSP的抽样律都允许一个精确的两阶段有限表示:一个几乎必然有限的指标选择初始原子集合,然后以显式重加权概率进行抽取。递减的可见度调度同时决定重加权和指标律,对指标律取平均可恢复每个实现SSP在所有可测集上的分布。反向利用该恒等式,可从指标分布和有限分配概率构造新的SSP先验,而非直接指定无限权重。作者刻画了指标概率、调度和诱导权重之间的相容性,并利用轻尾、重尾和多峰指标分布构造具有完全弱支撑的新SSP先验。此外,通过耦合边际指标律与条件权重分布,构造了权重在定义顺序下对尺寸偏置置换不变的SSP族,并给出显式的划分律和预测律。最后,利用所选标签与有限指标的联合分布实现SSP的精确模拟和递归重加权,并通过全变差界和数值示例区分先验指定、精确平均和固定水平近似。
  • 关键技术: species sampling process, two-stage finite representation, size-biased permutation, completely random measures, compound-Poisson measure, total variation bounds
  • 为什么对您有用: 本文属于贝叶斯非参数与随机测度理论,与您的非参数/半参数理论兴趣有交集,特别是离散随机测度的构造与性质。虽然不直接涉及因果推断或高维统计,但其精确有限表示和重加权技巧可能对您在高阶U统计量计算中的组合结构有启发。作为方法学论文,novelty 在于统一了SSP的构造框架,但应用性有限,建议作为背景阅读。

效率理论 / Debiased ML (efficiency_dml, 1 篇)

1. 2611.13882 — Backtesting High-Dimensional Expected Shortfall

  • 作者: Zaichao Du, Juan Carlos Escanciano, Pei Pei
  • 机构: Fudan University · Universidad Carlos III de Madrid · Central University of Finance and Economics
  • 分类: econ.EM
  • 相关性 7/10 · novelty: new_method
  • 摘要: 本文研究高维预测变量下期望损失(ES)的样本外回测问题,指出大维预测模型的估计与正则化会扭曲传统回测,尤其在低信噪比的尾部风险预测中。作者在线性ES设定下提出基于Double Lasso的易实现方法,以尾部调整后的得分作为生成因变量,并更一般地刻画了正交的ES回测矩条件。理论上建立了oracle等价性,并在时间序列依赖、重叠与扩展训练窗口的重复估计下证明了有效推断。模拟显示传统回测会严重过度拒绝最优ES预测,而正交化能改善水平控制。对G7经济体下行增长预测的应用发现,仅用美国增长的ES设定被拒绝,尽管预测导向的正则化未选择额外金融预测变量,且考虑估计误差会改变拒绝方向。本文对您有用:它展示了在高维设定下如何通过正交化(类似DML)去除估计偏差,与您的效率理论(semiparametric efficiency bounds)和debiased ML兴趣直接相关。
  • 关键技术: Double Lasso, orthogonal moment conditions, out-of-sample backtesting, high-dimensional inference, time-series dependence, oracle equivalence
  • 为什么对您有用: 本文属于效率理论/DML方向,直接连接您的primary interest中的semiparametric efficiency和debiased ML。您可以用very_familiar的nonparametric statistics和minimax bounds工具来审视其正交矩条件的效率性质,或检查其oracle等价性在更弱假设下是否成立。中期可做:若想深入其时间序列依赖下的推断,需在moderately_familiar的semiparametric theory上加强。

数理统计 / 假设检验 (hypothesis_testing, 8 篇)

1. 2611.13492 — Pseudo-marginal Sampling for Selective Inference

  • 作者: Jiali He, Sifan Liu
  • 机构: University of Science and Technology of China · Duke University
  • 分类: stat.ME · stat.CO
  • 相关性 7/10 · novelty: new_method
  • 摘要: 本文研究自适应选择后的选择性推断问题,目标是在复杂选择事件下对条件分布进行采样,以校正选择偏差。由于选择事件罕见时拒绝采样效率极低,作者提出一种伪边际马尔可夫链蒙特卡洛算法,通过无偏估计似然比来从选择性分布中采样。利用弱 Poincaré 不等式,作者分析了该算法相对拒绝采样的计算效率,并识别出能获得显著增益的条件。在经典的 file-drawer 问题中,作者推导了两种方法的精确计算成本,证明当选择事件越来越罕见时,伪边际采样可实现指数级改进。数值实验表明,在条件分布无解析形式的复杂选择程序中,伪边际采样器比拒绝采样快数百倍,且所得检验能控制选择性第一类错误。对您而言,该工作将选择性推断与 MCMC 计算效率分析结合,与您对假设检验和统计计算(算法)的兴趣直接相关。
  • 关键技术: pseudo-marginal MCMC, selective inference, rejection sampling, weak Poincaré inequality, computational cost analysis
  • 为什么对您有用: (1) 直接关联 primary interest 中的 hypothesis testing 与 statistical computing(算法)子方向,具体是选择性推断中的条件分布采样问题;(2) 可用您 very_familiar 的软件开发和 M-estimation 理论来复现其数值实验或验证其 Poincaré 常数估计,也可用 moderately_familiar 的 HOIF 视角审视其选择性分布的高阶近似;(3) 立即可做:该文核心是 MCMC 效率分析,您对算法和计算熟悉,可快速理解并尝试复现;中期可做:若想深入其理论证明,需在 Markov chain 混合时间分析上补强(属 moderately_familiar 的 M-estimation 之外)。

2. 2611.13928 — Asymptotic Bayes Optimality of Sparse Multiple Testing Procedures under One-Factor Dependence

  • 作者: Prasenjit Ghosh, Arijit Chakrabarti
  • 机构: Texas A&M University · Indian Statistical Institute
  • 分类: math.ST · stat.TH
  • 相关性 7/10 · novelty: new_theory
  • 摘要: 本文研究稀疏多重检验在单因子高斯混合模型下的渐近贝叶斯最优性(ABOS)。设定为已知单因子协方差、中心化高斯信号的两组模型,目标是控制 FDR 的同时最大化检验功效。作者推导了观测数据贝叶斯 Oracle 的一阶风险展开,包括异质载荷的有限维载荷平均和同质载荷的显式极限常数。在因子估计和信号校准条件下,同质单因子 Oracle 的前导风险严格小于独立坐标情形,且观测潜在因子不带来进一步的一阶风险降低。文章证明了 MRD-GBS 逐步下降程序在稀疏性下的 ABOS,并利用残差误差的一致控制与固定因子已知规则比较。固定残差版本的 GBS 和 BH 达到相同的前导风险;当提供真实模型参数时,贝叶斯逐步下降规则 BSD 也满足 ABOS。结果覆盖发散和有界正期望信号数,包括所有固定多项式稀疏率直至有界计数情形。
  • 关键技术: Bayes Oracle, asymptotic Bayes optimality under sparsity (ABOS), step-down procedures, Gavrilov-Benjamini-Sarkar (GBS) calibration, one-factor covariance model, risk expansion
  • 为什么对您有用: 本文属于假设检验方向,具体是多重检验的渐近最优性理论,与您对 hypothesis testing 的兴趣直接相关。您可以用 very_familiar 的 minimax 界技术来验证其风险展开的紧性,或探索将 ABOS 结果推广到更一般的因子结构。中期可做:需先熟悉 GBS 校准和逐步程序的细节,这属于 moderately_familiar 的 M-estimation 理论范畴。

3. 2611.14264 — On the geometry of Gaussian Mean Shift Detection

  • 作者: Pedro Abdalla, Grigoris Paouris, Roman Vershynin
  • 机构: University of Wisconsin–Madison
  • 分类: math.ST · math.PR · stat.TH
  • 相关性 7/10 · novelty: new_theory
  • 摘要: 本文研究标准高斯随机向量均值偏移的检测问题,其中偏移方向属于单位球面上的任意子集 T。作者引入一个相关性泛函 κ(T),并建立了检测半径(detection radius)的通用下界,该下界以 κ(T) 表示。在一定的正则性条件下,证明该下界在绝对常数意义下是最优的。作为应用,恢复了文献中关于 s-稀疏单位向量的已知检测半径结果。该工作将检测问题与集合 T 的几何性质联系起来,为高维假设检验提供了新的理论视角。对您而言,其几何泛函刻画检测难度的思路可能对您在高维统计和随机矩阵理论中的研究有启发。
  • 关键技术: detection radius, correlation functional, Gaussian mean testing, minimax lower bounds, geometric functional analysis
  • 为什么对您有用: 本文属于高维假设检验中的检测问题,直接关联您的主要兴趣(hypothesis testing 和高维统计)。其核心是刻画检测半径与集合几何的关系,您可以用您熟悉的 minimax 下界技术(very_familiar 中的 minimax bounds)来验证其最优性条件是否紧,或尝试将 κ(T) 泛函推广到其他分布或相关噪声设定。中期可做:需先熟悉一点几何泛函分析(moderately_familiar 之外),但核心证明思路对您而言应可理解。

4. 2611.13464 — AdaFCP: Local Neural Functional Representations for Industrial Change Detection

  • 作者: Dan Zhuang, Xufei Tang, Yejin Wang, Houlin Zhou
  • 机构: Fujian Normal University
  • 分类: stat.ME
  • 相关性 6/10 · novelty: new_method
  • 摘要: 本文提出 AdaFCP,用于工业传感器数据中单个函数均值变点的回顾性检测,目标是在有序函数型剖面中定位短周期内的持续变化。方法通过一个紧凑窗口和神经网络基学习变化敏感的函数投影,使投影得分的 CUSUM 路径与单变点模板匹配,从而避免固定投影稀释局部变化。检测统计量基于标准化峰值 CUSUM 扫描,并给出转变估计;拟合权重用于识别贡献的周期内区域。理论部分刻画了总体路径匹配信号,并推导了最优方向信噪比基准。全流程置换校准考虑了自适应表示学习和重启选择,在可交换性假设下提供有限样本的假阳性控制;早期停止变体 AdaFCP-ES 在不改变固定预算检验决策的前提下减少校准成本。模拟显示对局部振荡变化优于固定表示,并在注塑压力剖面和液压基准上展示了转变定位和可解释诊断,同时指出自然有序工业数据需要依赖感知校准。
  • 关键技术: functional change-point detection, neural basis projection, CUSUM path matching, permutation calibration, early stopping
  • 为什么对您有用: 本文属于假设检验与函数型数据变点检测的交叉,直接关联您对 hypothesis testing 的兴趣;其自适应投影与置换校准机制可视为一种数据驱动的检验统计量设计,您可用 very_familiar 的非参数统计和 minimax 思维审视其最优方向信噪比基准是否紧,以及置换校准在依赖数据下的有限样本性质;立即可做的是用您熟悉的经验过程工具分析其 CUSUM 扫描的渐近性质。

5. 2611.14465 — One Curve, Different Weights: AUC, the Brier Score, Decision-Weighted AUC, and the Policy Youden Index

  • 作者: Yegor Baranovski
  • 分类: stat.ME · stat.ML
  • 相关性 6/10 · novelty: new_theory
  • 摘要: 本文研究二元风险评分的模型评估指标,指出 AUC 与 Brier score 可能对模型排序不一致,并引入加权 AUC(AUC_π),其中每对观测的权重由决策者行动概率 π 的差异决定。作者证明 AUC、Brier score 和 AUC_π 都是 Youden 曲线 J(t)=TPR(t)-FPR(t) 在不同 cutoff 上的加权平均,区别仅在于权重:AUC 用分数分布,Brier score 用真实概率 E[Y|S],AUC_π 用决策者的行动概率。进一步,AUC_π 在归一化后等价于理想预报的 Brier skill score,但权重集中在决策者关心的 cutoff 上。作者还刻画了使 pair-weighted AUC 对所有分数分布都成为 Youden 曲线平均的唯一固定 pair 权重(即 |π(s)-π(s')|)。作为排序指标,AUC 对所有模型赋予相同权重,但 Hand (2009) 的 cost-threshold 解读中每个模型权重不同;而 AUC_π 的分子(policy Youden index)用固定策略评估模型,避免了这一问题。本文是理论性方法论文,无实证数据,方法学 novelty 在于统一了多个指标并给出唯一性刻画。
  • 关键技术: weighted AUC, Youden index, Brier score, pair weighting, decision-theoretic evaluation
  • 为什么对您有用: 本文属于模型评估与排序指标的理论分析,与您的主要兴趣(假设检验、非参数/半参数理论)有间接关联,但更贴近分类性能度量。您可用非常熟悉的非参数统计工具(如经验过程)验证其加权平均表示的收敛性质,或探讨 AUC_π 在因果推断中处理效应排序的应用。中期可做:需在 moderately_familiar 的半参数理论上加强,以严格推导 AUC_π 的渐近分布。

6. 2611.14346 — Generalized Cram\'er-Rao Inequalities Associated with \((h,\tau)\)-Divergence and \((h,\tau)\)-Exponential Family

  • 作者: Satyajit Dhadumia
  • 机构: Indian Institute of Technology Palakkad
  • 分类: math.ST · stat.TH
  • 相关性 6/10 · novelty: new_theory
  • 摘要: 本文在信息几何框架下,针对 (h,τ)-散度及其对应的 (h,τ)-指数族,建立了广义的 Cramér-Rao (CR) 不等式。作者利用 Eguchi 理论从 (h,τ)-散度导出 Fisher 信息度量,并基于 Amari-Nagaoka 的信息几何方法证明了有限支撑模型下的 (h,τ)-CR 不等式;同时给出基于 Cauchy-Schwarz 不等式的证明,从而将结果推广到更一般的支撑集。经典 CR 不等式的等号成立条件与指数族相关,但该性质对 (h,τ)-指数族并不普遍成立,因此作者为该族建立了可达到的 CR 不等式,推广了经典结果中充分统计量实现等号的性质。
  • 关键技术: information geometry, (h,τ)-divergence, (h,τ)-exponential family, Fisher information metric, Cramér-Rao inequality, Cauchy-Schwarz inequality
  • 为什么对您有用: 该文属于数学统计与假设检验方向,直接关联您对 hypothesis testing 与信息几何的兴趣;其推广的 CR 不等式为估计效率下界提供了新视角。您可用 very_familiar 的非参数统计与 minimax 工具检验该不等式在非参数模型下的紧性,或将其与您熟悉的 semiparametric efficiency bound 对比,属于立即可做的理论探索。

7. 2611.14011 — Testing isotropy of random fields with values in abstract spaces

  • 作者: Julius Baumhakel, Siegfried H\"ormann, Matthias Neumann
  • 机构: Graz University of Technology
  • 分类: stat.ME · stat.AP
  • 相关性 5/10 · novelty: new_method
  • 摘要: 本文研究取值于抽象空间的随机场的各向同性检验问题,即分布在正交变换下不变的假设。作者提出一种基于局部方向特征的新方法,这些特征在各向同性假设下服从均匀分布,从而将检验转化为对均匀性的检验。该方法适用于函数值随机场等抽象空间,且比现有实值随机场的各向同性检验更具一般性。实际应用是材料科学中纸张孔隙率剖面的各向同性检验,数据来自μ-CT成像。模拟和实证表明,该方法在保持竞争力的同时具有更广的适用性。对您而言,该文将非参数检验思想与函数型数据结合,可能为您的假设检验工具箱提供新视角。
  • 关键技术: isotropy test, directional characteristics, random fields, function-valued data, uniformity test
  • 为什么对您有用: 该文属于假设检验方向,与您的主要兴趣中的数学统计假设检验直接相关。您可以用非常熟悉的非参数统计和U-统计量工具来分析其检验统计量的渐近性质,例如投影或退化U-统计量的极限分布。该文是立即可做的:您可尝试推导其检验统计量的高阶性质或构造更高效的变体。
  • 作者: Joris Mulder
  • 机构: Tilburg University
  • 分类: stat.ME
  • 相关性 4/10 · novelty: new_method
  • 摘要: 本文研究贝叶斯因子框架下带等式与不等式约束假设的先验概率分配问题。传统做法给每个假设等先验概率,导致后验概率依赖于参数空间的分割方式,且违反嵌套一致性。作者提出一种由单一参数先验诱导的复杂度先验:等式约束子空间的先验概率取自贝叶斯变量选择文献,不等式约束区域的先验概率由其相对复杂度(在包络先验下)决定。该先验保证后验概率不依赖于假设分割、对嵌套假设具有相干性,并与探索性模型搜索的结果一致。代价是不等式约束不会相对零假设增加后验概率,但约束的证据增益仍由贝叶斯因子量化。该先验适合不想先验偏向特定约束的分析者。
  • 关键技术: Bayes factor, constrained hypothesis testing, complexity-induced prior, encompassing prior, Bayesian variable selection
  • 为什么对您有用: 本文属于假设检验方向,与您对 hypothesis testing 的兴趣直接相关。其核心问题是先验设定的客观性,您可以用非常熟悉的 minimax 或频率视角审视其复杂度先验的合理性,例如检验其是否满足某种最优性。中期可做:若想将复杂度先验推广到高维或半参数设定,需在 moderately_familiar 的 semiparametric theory 上加强。

统计计算 / 算法 (stat_computing, 2 篇)

1. 2611.14428 — Convergence and global optimality of Wasserstein--Fisher--Rao descent for Gaussian mixtures

  • 作者: Xingzhou Wang, Ziyang Jiang, Zheng Li, Mingyan Liu, Yiling Wang, Jingze Yang
  • 机构: North Carolina State University · South China University of Technology
  • 分类: stat.ME · stat.CO
  • 相关性 6/10 · novelty: new_theory
  • 摘要: 本文研究用显式 Wasserstein–Fisher–Rao (WFR) 下降拟合高斯位置混合模型的非参数最大似然估计。作者证明,在任意固定数据集、任意维度和任意初始概率测度下,全序列在 bounded-Lipschitz 度量下弱收敛且具有有限长度,且步长范围保持原始设定。结合先前的条件最优性定理,在全支撑初始化下极限最大化似然。然而,当粒子由观测重采样初始化时,对平面中某些三点三元组,随着粒子数增长,收敛到严格次优不动点的概率以指数速度趋于 1;无重加权的中心高斯初始化也可能导致次优极限。每个有限迭代步的密度光滑且严格正,极限在非全局局部极大值上分配正质量。作者还给出了一维全支撑加原子初始化的精确纯传输极限,并通过有限维表示将解析梯度不等式转移到测度轨迹上。
  • 关键技术: Wasserstein–Fisher–Rao descent, nonparametric maximum likelihood, bounded-Lipschitz metric, particle methods, gradient flow, finite-dimensional representation
  • 为什么对您有用: 本文属于统计计算与算法收敛性分析,与您的 primary interest 中 statistical computing 和 statistical-computational tradeoff 直接相关。它展示了梯度流方法在非参数混合模型中的全局收敛性与次优性陷阱,您可以用 very_familiar 的软件开发和数值方法工具来复现或扩展其有限维表示,中期可做的是深入理解其收敛证明中的梯度不等式,这需要 moderately_familiar 的 M-estimation 理论。

2. 2611.14345 — Smoothed Least-Absolute Conditional Multidimensional Scaling via Iteratively Reweighted Majorization

  • 作者: Xiao Ling
  • 机构: Auburn University at Montgomery
  • 分类: math.ST · math.OC · stat.CO · stat.TH
  • 相关性 5/10 · novelty: new_method
  • 摘要: 本文研究条件多维缩放(CMDS)中结合潜在坐标与观测协变量来拟合成对相异度的问题,提出一种基于平移 Charbonnier 损失的平滑 l1 公式。作者证明了二次损失 majorizer 的逐残差锐度、迭代算法的单调性、紧致包含性以及非塌缩聚点的平稳性,并给出一个统一的加性界来量化对精确最小绝对条件应力(least-absolute conditional stress)的逼近程度。实验部分采用成对污染、分别校准的损失参数、组合配置恢复,并直接验证了定理中的不等式。该工作属于统计计算与优化算法的范畴,为鲁棒 MDS 提供了理论保证的迭代重加权优化框架。
  • 关键技术: shifted Charbonnier loss, iteratively reweighted majorization, majorization-minimization, smoothed l1 regularization, conditional multidimensional scaling
  • 为什么对您有用: 本文属于统计计算方向,与您的 statistical computing 兴趣直接相关,且其 majorization-minimization 框架和收敛性分析(单调性、平稳性)对您熟悉的 M-estimation 理论有直接接口。您可以用 very_familiar 的软件开发和数值方法经验快速复现其算法,并用 moderately_familiar 的 M-estimation 理论审视其平稳性条件的统计含义。中期可做:将 majorization 框架与您的高阶 U-统计量计算结合,探索鲁棒 MDS 中的计算复杂度问题。

天体统计 (astrostats, 7 篇)

1. 2611.13770 — ExoPlanetLab: Bayesian orbit fitting of Gaia-DR4 epoch astrometry, radial velocities and relative astrometry

  • 作者: David Hobbs
  • 机构: Lund University
  • 分类: astro-ph.IM · astro-ph.EP · astro-ph.GA · astro-ph.SR
  • 相关性 7/10 · novelty: application
  • 摘要: 本文介绍 ExoPlanetLab,一个用于 Gaia DR4 历元天体测量、视向速度(RV)和相对天体测量联合贝叶斯轨道拟合的开源软件包。模型将轨道与单星拟合残差比较,采用 Student-t 似然处理重尾数据,并用带 bootstrap 误报概率的稳健 Keplerian 周期图提供联合拟合初值。软件提供五种采样器:tempered ensemble MCMC、两种嵌套采样和两种 reversible-jump 采样,通过固定伴星数的证据选择伴星数量,并用加速度和扫描角模型检验轨道必要性。在模拟双行星系统上各采样器结果在 0.1 sigma 内一致;180 次注入中所有拟合收敛,信噪比 S>=10 的信号全部检出,后验无显著偏差,但周期覆盖率略低于名义值(90% 真实周期落在 95% 可信区间内)。30 个无伴星数据集无一误检;在 DR4 预发布数据上,Gaia BH3 轨道在 1.4 sigma 内复现,HD 114762 的 Student-t 模型使天体测量周期和偏心率与 RV 轨道一致。代码已验证适用于含或不含 RV 的 DR4 类历元天体测量,相对天体测量仅经模拟测试;主要局限是噪声模型不相关且计算成本随测量数线性增长、随伴星数急剧增长。对您而言,这是一篇 gateway 级的天体统计应用论文,展示了贝叶斯轨道拟合的完整流程,但方法学新颖性有限。
  • 关键技术: Bayesian orbit fitting, Student-t likelihood, Keplerian periodogram, tempered ensemble MCMC, nested sampling, reversible-jump MCMC
  • 为什么对您有用: 本文属于 gateway reading 范畴的 astrostatistics 应用论文:它清晰展示了 Gaia 历元天体测量数据的结构(噪声、选择效应)和贝叶斯建模流程,适合作为入门读物;您的武器库(非参数统计、MCMC 基础)足以理解其方法,但无需深入;值得花时间读全文以了解天体测量数据的特点和实际分析管线,但不必期待方法论迁移。

2. 2611.14479 — Learning a model of non-stationary nuisances with non-local correlations for object detection

  • 作者: Olivier Flasseur, Eric Thi\'ebaut, Lo\"ic Denis, Samuel Th\'e
  • 机构: Lyon 1 Université · École Normale Supérieure de Lyon · Centre National de la Recherche Scientifique · Laboratoire Hubert Curien · Université Jean Monnet · Massachusetts Institute of Technology
  • 分类: astro-ph.IM
  • 相关性 7/10 · novelty: application
  • 摘要: 本文研究低样本量下多变量数据中微弱天体目标的检测问题,其核心挑战是强且空间相关的干扰成分(如恒星耀斑)的统计建模。标准协方差模型在低样本下估计不稳定或病态,导致检测性能严重下降。作者提出一种数据驱动的稀疏精度矩阵建模方法,通过主元稀疏Cholesky分解近似精度矩阵,并用最大似然学习非零系数,从而得到低复杂度但表达力强的干扰统计模型。基于该模型,他们推导了广义似然比检验用于微弱源检测,可直接控制误警率。方法在高对比成像系外行星检测的天体物理应用中评估,达到了最先进的性能。
  • 关键技术: sparse precision matrix, pivoted sparse Cholesky factorization, maximum likelihood estimation, generalized likelihood ratio test, low-sample regime
  • 为什么对您有用: 本文属于 gateway-reading 范畴的 astrostatistics 论文,作为入门读物,它清晰展示了天体物理中一个典型的统计问题(低样本、强相关干扰下的检测),并给出了完整的统计建模和检验流程,对统计学家友好。武器库中的非参数统计和假设检验知识足以理解其核心思想,但稀疏矩阵分解和计算优化并非研究者当前熟悉领域,因此中期可做,需在统计计算或高维稀疏建模上补充知识。值得花时间读全文,以了解天体物理数据的特点和统计方法的应用。

3. 2611.14280 — DustER: Dust Extinction with Photometric Red Galaxies

  • 作者: Ivan Espinoza-Bustamante, Eli S. Rykoff, Eduardo Rozo, Chun-Hao To, Supranta S. Boruah
  • 机构: University of Arizona · SLAC National Accelerator Laboratory · Kavli Institute for Particle Astrophysics and Cosmology · University of Pennsylvania
  • 分类: astro-ph.IM · astro-ph.CO
  • 相关性 6/10 · novelty: application
  • 摘要: 本文提出 DustER,一种利用测光星系巡天数据重建银河系尘埃红化图的新方法。其核心思想是将红星系作为“标准蜡笔”,利用红序列星系平均颜色与天区位置无关的性质,通过观测颜色与期望颜色之差来估计视线方向的尘埃红化。由于依赖测光红移,选择效应会引入偏差,DustER 通过利用银河系尘埃分布的已知统计特性来刻画并校正这些偏差。在模拟测试中,恢复的尘埃图受到大尺度结构的污染,但用该图去红化并选择红序列星系后,所得两点相关函数不受尘埃污染。该方法为天文数据中的系统误差校正提供了新思路,适合作为统计学家进入天文数据处理的入门读物。
  • 关键技术: standard crayons, red-sequence galaxies, photometric redshifts, bias correction, two-point correlation function
  • 为什么对您有用: 本文属于 astrostatistics 的 gateway reading:它清晰展示了天文观测中系统误差(尘埃、选择效应)如何影响统计推断,并给出了一个基于统计性质校正偏差的实例。作为统计学家,您无需天文背景即可理解其核心思想,且武器库中的非参数统计和因果推断工具足以支撑您理解其偏差校正逻辑。值得花时间读全文,以了解天文数据处理的典型挑战。

4. 2611.14301 — SHINE: Shear inference environment - Generative forward modelling for radio weak gravitational lensing

  • 作者: Ezequiel Centofanti, Benjamin Remy, Emma Ay\c{c}oberry, Fran\c{c}ois Lanusse, Jean-Luc Starck, Samuel Farrens
  • 机构: Centre National de la Recherche Scientifique · Commissariat à l'Énergie Atomique et aux Énergies Alternatives · Université Paris-Saclay · Astrophysique, Instrumentation et Modélisation · University of Chicago · NSF-Simons AI Institute for the Sky · Flatiron Institute · Foundation for Research and Technology Hellas
  • 分类: astro-ph.IM
  • 相关性 6/10 · novelty: application
  • 摘要: 本文针对下一代射电干涉仪(如SKA)的弱引力透镜剪切测量问题,提出了一种基于生成式前向建模的推断方法SHINE。传统方法依赖在图像域测量星系椭率,但射电数据在傅里叶域获取,且CLEAN等去卷积会引入系统性误差。SHINE通过前向模型模拟星系图像、施加剪切变换并包含干涉仪仪器响应,直接在傅里叶空间定义似然,避免了显式形状测量。利用蒙特卡洛采样估计共享剪切的星系集合的后验分布,在参数化星系模拟上实现了无偏且亚百分比的剪切估计,与最先进方法相比不确定性降低达3倍且无明显乘性偏差。然而,将该参数模型应用于具有真实形态的COSMOS星系时,剪切估计出现超过10σ的偏差;通过引入基于真实星系图像训练的自动编码器生成前向模型,可将偏差抑制到2σ以下。本文是射电弱引力透镜统计方法的前沿工作,对您作为统计学家而言,其前向建模与贝叶斯推断框架是很好的入门读物,但方法学核心(生成模型与MCMC)与您的武器库重叠有限。
  • 关键技术: forward generative modeling, Bayesian inference, Monte Carlo sampling, autoencoder, Fourier-domain likelihood, weak gravitational lensing
  • 为什么对您有用: 本文属于 astrostatistics 的 gateway reading,展示了射电干涉数据中前向建模与贝叶斯推断的完整流程,数据结构和似然定义清晰,适合作为入门读物。您的武器库(如非参数统计、MCMC)足以理解其推断框架,但生成模型(autoencoder)和射电仪器响应建模并非您熟悉领域,因此暂不可直接迁移方法。值得花时间读全文以了解射电天文的统计挑战,但无需深入方法细节。

5. 2611.13033 — Mitigating oscillatory systematics in MeerKLASS L-band H i intensity maps

  • 作者: Boyan Zhao, Eloy de Lera Acedo, Zhaoting Chen, John Cumner, Vijay Mahatma, Marta Spinelli, Dirk I. L. de Villiers, Matilde Barberi-Squarotti, Phil Bull, Stefano Camera, Isabella Paola Carucci, Xuelei Chen, Steven Cunnington, Furen Deng, Brandon N. Engelbrecht, Jos\'e Fonseca, Keith Grainge, Wenkai Hu, Melis O. Irfan, Yichao Li, Mario G. Santos, Jingying Wang, Yougang Wang, Laura Wolz
  • 机构: Royal Observatory · Lagrange Laboratory · Observatoire de la Côte d’Azur · University of Edinburgh · University of Cambridge · University of the Western Cape · Stellenbosch University · University of Manchester 等
  • 分类: astro-ph.IM · astro-ph.CO
  • 相关性 5/10 · novelty: application
  • 摘要: 本文针对 MeerKLASS L 波段中性氢强度映射实验中的振荡性系统效应,发现其源于仪器波束的色度与旁瓣对频率平滑前景的调制,且在前景去除后仍残留。通过全天空电磁波束模型模拟,作者证明波束相对天空的旋转导致两种扫描模式的前景残差增强,而分开处理两种扫描可显著抑制振荡残差,同时保留 HI 信号,信噪比提升 81%。文章还指出 PCA 模式 11 的振荡结构不能简单剔除,否则会损失信号。该工作为 MeerKAT 和 SKA-Mid 未来巡天中的波束诱导频谱波纹缓解提供了实用策略。作为天文仪器系统效应分析的应用型论文,其方法学新颖性有限,但数据与处理流程对统计学家理解真实系统效应结构有参考价值。
  • 关键技术: HI intensity mapping, foreground removal, PCA, beam chromaticity modeling, signal-to-systematic ratio
  • 为什么对您有用: 本文属于 astrostatistics 的 gateway reading:它清晰展示了天文数据中系统效应的来源(波束色度)与处理策略(分扫描处理),对统计学家而言是理解真实系统效应结构的好入门读物。武器库中的非参数统计与高维工具足以支撑理解其 PCA 与信号保留分析,但无需深入方法学。值得花时间读全文以了解天文数据处理的典型挑战。

6. 2611.13118 — Extracting Published Discussions of 13,616 Galaxies with Language Models

  • 作者: Nolan Koblischke, Jo Bovy
  • 机构: University of Toronto
  • 分类: astro-ph.IM · astro-ph.GA
  • 相关性 5/10 · novelty: application
  • 摘要: 本文针对天文学文献中难以判断某星系是否被真正讨论过的问题,提出用语言模型代理从156,006篇arXiv天体物理论文中自动提取被实质性讨论(超过两句话)的星系及其讨论内容。作者构建了包含44,332条星系讨论、85,314条引文的数据库,并利用天球坐标将讨论聚类为13,616个星系,最终整合为GalaxyWiki平台。方法上采用语言模型代理进行文本筛选和提取,并辅以坐标匹配和聚类算法。主要结果是提供了一个可检索的文献讨论数据库,方便天文学家查找星系的相关文献。对您而言,这是一篇典型的应用型论文,展示了语言模型在天文文献挖掘中的潜力,但统计方法相对简单,主要价值在于数据集和平台,而非方法论创新。
  • 关键技术: language model agents, text extraction, coordinate clustering, corpus mining
  • 为什么对您有用: 本文属于astrostats的gateway reading,作为入门读物清晰展示了天文学家如何利用现代NLP工具处理大规模文献数据,数据结构和流程(从文本到坐标再到聚类)对统计学家友好。武器库足以理解其方法,但无需深入。值得花时间读全文以了解天文文献数据的特点和潜在统计问题(如选择偏差、聚类不确定性),但方法学贡献有限。

7. 2611.13060 — Aster: A Flexible and Robust Collection of Numerical Tools for N-Body Problems

  • 作者: Federico Benevelli
  • 分类: astro-ph.IM · astro-ph.GA
  • 相关性 4/10 · novelty: application
  • 摘要: 本文介绍 Aster,一个面向大规模引力 N 体模拟的开源数值工具库。库的核心是高效的力计算算法,包括基于坐标相关标识符优化的空间树求解器,并针对 CPU 和 GPU 架构进行了调优。Aster 提供多种辛积分器(如 SABA 一至十阶、leapfrog、Wisdom-Holman),以及后牛顿展开(1PN、2PN、2.5PN)等数学工具。文章详细讨论了各模块的设计,并报告了性能与精度测试结果。作为软件工具论文,其方法学新颖性有限,但对天体物理模拟的数值实践有参考价值。
  • 关键技术: spatial tree solver, symplectic integrators, post-Newtonian expansions, SIMD optimization, GPU parallelization
  • 为什么对您有用: 本文属于 astrostatistics 的 gateway reading,作为统计学家了解天体物理模拟数值工具链的入门材料。武器库中的软件开发和数值方法经验足以理解其核心算法,但无需深入跟进。值得花时间读全文以拓宽视野,但非高优先级。

经济理论 / 应用 (econ_theory, 2 篇)

1. 2611.13169 — Identification, estimation, and robust inference of structural autoregressions for multidimensional data

  • 作者: Bernhard van der Sluis
  • 机构: Erasmus University Rotterdam
  • 分类: econ.EM
  • 相关性 7/10 · novelty: application
  • 摘要: 本文针对多维结构数据(如跨国面板)提出一类结构自回归模型,通过假设系数矩阵满足 Kronecker 乘积结构来降低参数维度并实现全局可识别性,从而将传统结构 VAR 的冲击识别方法推广到矩阵/张量数据。作者开发了最小距离估计量并推导其渐近分布;为应对近似 Kronecker 可分离性,进一步构造了对局部误设定稳健的结构脉冲响应置信区间,并证明其渐近有效性。蒙特卡洛模拟验证了渐近近似的有效性和估计量及置信区间的有限样本表现。最后,作者用跨国面板数据分析了美国货币政策冲击的动态效应和溢出效应。对您而言,该文的 Kronecker 结构假设与张量分解思想可能为高维统计中的结构化建模提供新视角,但其核心贡献更偏向应用计量经济学。
  • 关键技术: Kronecker structure, minimum-distance estimation, structural VAR, robust confidence intervals, local misspecification
  • 为什么对您有用: 本文属于经济理论/应用计量方向,与您的次要兴趣(经济理论的应用与因果推断)相关。作为入门读物,它清晰展示了如何在多维面板中施加结构约束以识别冲击,但方法学上并未涉及您武器库中的核心工具(如 U-统计量、半参数效率理论)。若您想了解 Kronecker 结构在因果推断中的应用,可作泛读;但若追求方法学创新,本文的贡献有限。

2. 2611.14434 — Hedging out the HEDGE Bias: Identifying Dynamic Partial-Equilibrium Effects with Panel LP-IV

  • 作者: Endong Wang, Ren Zhang
  • 机构: Texas State University · University of Mannheim
  • 分类: econ.EM
  • 相关性 7/10 · novelty: new_method
  • 摘要: 本文针对横截面设计在估计总体处理的动态局部均衡效应时存在的偏误问题,提出异质性暴露局部投影工具变量(HELP-IV)框架。作者证明当处理暴露与总体混杂因素相关或混杂因素反馈影响处理时,传统估计有偏。HELP-IV 通过用暴露加权冲击代理变量对处理和混杂路径进行工具变量处理,在固定混杂路径下比较单位,从而识别局部均衡效应。框架进一步扩展至多重暴露边际、多重混杂、前瞻性结果和累积乘数,并给出相应推断。实证应用(州财政乘数、区域股票财富效应)显示局部均衡效应小于常规估计,且对宏观模型有不同含义。
  • 关键技术: local projections, instrumental variables, exposure-weighted shock proxies, partial-equilibrium effects, panel data
  • 为什么对您有用: 本文属于经济理论/应用因果推断方向,是您 secondary interest 中 econ_theory 的典型代表。它提供了处理动态局部均衡效应的新识别策略,与您熟悉的因果推断工具(IV、面板数据)直接相关。作为入门读物,它清晰展示了经济学中处理效应识别的实际挑战和解决方案,武器库足以支撑您理解其方法。值得花时间读全文,以了解经济学中局部均衡效应的识别前沿。

其他 (other, 8 篇)

1. 2611.14457 — Measuring Kaplan--Meier Overestimation Under Competing Risks: Event Ordering, Quantification, and Exact Inference

  • 作者: Ferran Espuny-Pujol
  • 机构: University of Reading
  • 分类: stat.ME · math.ST · stat.AP · stat.TH
  • 相关性 7/10 · novelty: new_method
  • 摘要: 本文在竞争风险框架下,将 Kaplan-Meier 估计的过度估计(overestimation)本身作为统计量进行研究。作者指出竞争事件频率不足以刻画过度估计,并发展了一种事件排序理论,说明时间上的事件分配如何影响过度估计。基于此,推导出闭式 Total Overestimation Diagnostic (TOD),可直接从常规生存分析输出中量化总过度估计。建立了精确误差等价性结果,特别是 Product Limit Error Equivalence 表明 TOD 的推断可精确归结为普通总体生存估计。模拟实验验证了理论,并表明独立删失主要影响精度而非过度估计幅度。在六个基准竞争风险数据集上,原因别过度估计由总过度估计和时间事件分配共同刻画。该框架将竞争风险过度估计从定性警告转化为可常规量化、解释并纳入报告的可测数量。
  • 关键技术: Kaplan-Meier estimator, competing risks, event ordering theory, closed-form diagnostic, exact inference, survival analysis
  • 为什么对您有用: 该论文属于生存分析和竞争风险领域,与您的主要兴趣(因果推断、非参数理论)有一定关联,但并非直接推进您的研究方向。它提供了非参数框架和精确推断结果,可能对您在纵向数据或流行病学应用中的生存分析问题有参考价值。作为 gateway reading,它清晰阐述了竞争风险下 KM 过度估计的量化方法,但方法学新颖性有限,属于应用导向的方法学贡献。

2. 2611.13546 — Statistical Analysis of the Structure from Noise Phenomenon in Generalized Procrustes Problems

  • 作者: Jiayang Yin, Shuyang Ling
  • 机构: New York University Shanghai
  • 分类: math.ST · cs.IT · math.IT · stat.TH
  • 相关性 7/10 · novelty: new_theory
  • 摘要: 本文研究广义正交 Procrustes 问题中的模板匹配与平均化估计器在纯噪声下的偏差现象(即“Einstein from Noise”)。在 cryo-EM 的简化模型中,观测为带噪声的投影点云,估计器先与模板对齐再平均。作者证明,对于纯高斯噪声,对齐平均估计器的均值与模板共享相同的左右奇异向量基,但奇异值可能被扭曲,从而在无信号时也强加了模板的子空间结构。他们刻画了奇异值的扭曲程度并给出有限样本算子范数界,以及使总体均值主导随机波动所需的样本量。在弱信号下,当模板秩至少为观测维度时,纯噪声均值的变化为信号幅度的 O(η²)。该结果显式刻画了配准问题中的模型偏差,并解释了为何增加观测平均能稳定模板结构但无法消除偏差。
  • 关键技术: generalized orthogonal Procrustes analysis, template matching and averaging, singular value decomposition, operator norm bounds, concentration inequalities
  • 为什么对您有用: 该论文属于统计与信号处理交叉领域,与您的主要兴趣(如高维统计、随机矩阵)有间接联系,但并非直接推进您的研究方向。作为入门读物,它清晰展示了 cryo-EM 中一个重要的统计偏差现象,但需要一定的矩阵分析背景。您的武器库(如高维渐近、集中不等式)足以支撑理解其核心证明,但该问题本身与您的因果推断或 U-统计量工作关联较弱,因此暂不建议深入展开。

3. hexagon:2611.00294 — The Ultimate Matching Theorem

  • 作者: Michael Goldman, Francesco Grotto, Dario Trevisan
  • 期刊/来源: Hexagon · 无人类作者署名 · 人类理解:部分 · 工具: ChatGPT / Claude Fable
  • 机构: LAMA, CNRS, Université Gustave Eiffel, Université Paris-Est Créteil · Università di Pisa
  • 分类: math.PR
  • 相关性 6/10 · novelty: new_theory
  • 摘要: 本文研究单位正方形中独立均匀点与确定性配置或另一独立样本的最优匹配问题,目标是证明 Talagrand 的 Ultimate Matching Conjecture。作者证明当指数 α1, α2>2 且 1/α1+1/α2=1/2 时,存在单个排列同时控制两个坐标位移在指数为 αj 的指数 Orlicz 范数下的量级,尺度为 √(log N/N),从而对所有有限临界指数对解决了该猜想。证明方法是在平坦环面上构造一个散度为高斯白噪声(投影到二进网格)的流,其坐标满足各向异性的临界指数 Orlicz 界,并通过 primal 最优输运约化将其转移到匹配问题。在硬端点 (2,∞) 和 (∞,2) 处猜想失败,作者用布朗局部时构造表明归一化最优匹配代价依概率发散。该结果属于概率论与最优输运的交叉领域,与您的主要兴趣(因果推断、高维统计、U-统计量等)无直接方法学联系,但其中构造性证明和 Orlicz 范数技术可能对理解极端依赖结构有启发。
  • 关键技术: optimal transport, Orlicz norm, Gaussian white noise, dyadic grid, Brownian local time
  • 为什么对您有用: 该论文属于概率论与最优输运的纯理论结果,与您的主要兴趣(因果推断、高维统计、U-统计量等)无直接方法学联系。但作为数学统计学家,其构造性证明(环面上的流构造)和 Orlicz 范数技术可能对理解极端依赖结构有启发,不过不属于 gateway reading 范畴,也不在您的技术武器库内,因此仅作泛读参考。

4. hexagon:2611.00249 — Propagation and Optimization of Low-Frequency Spectral Alignment in ReLU Networks on a Fixed Sample Graph

  • 作者: Cameron Ryan
  • 期刊/来源: Hexagon · 无人类作者署名 · 人类理解:部分 · 工具: Claude Opus 5.5 High
  • 机构: Northeastern University
  • 分类: cs.CG
  • 相关性 6/10 · novelty: new_theory
  • 摘要: 本文研究在固定样本图上,ReLU 网络的低频结构(相对于图拉普拉斯)如何传播到最小二乘读出层,并探讨如何优化单个神经元以捕获低频特征向量。作者将读出误差分解为低频部分(由覆盖度控制,即特征空间包含低特征向量的程度)和高频部分(由目标的光滑性,即 Dirichlet 能量控制),并证明了精确的误差界,其中覆盖度由覆盖间隙(低特征向量与特征空间之间的最大主角正弦)衡量。文章证明覆盖度在 ReLU 层间可以保持,并定义了捕获低频特征的数量 N_K,将其与误差界关联,证明当 N_K 捕获所有低频特征时误差可降至光滑性分量。最后,作者证明了 ReLU 层在样本保持可区分且覆盖度未满时可严格增加 N_K,2K+2 个神经元足以保持覆盖度,贪心选择的神经元以 O(1/t) 速率降低覆盖间隙(由 ReLU 变差范数控制),且 t 个神经元降低覆盖间隙的程度不超过第 (t+1) 个主角正弦。该结果属于深度学习的谱分析理论,与您的主要兴趣(因果推断、高维统计等)无直接交集,但其中关于图拉普拉斯和特征传播的分析可能对您在高维统计中的谱方法有间接启发。
  • 关键技术: graph Laplacian, ReLU networks, coverage gap, Dirichlet energy, principal angles, greedy optimization
  • 为什么对您有用: 本文属于深度学习理论,与您的主要兴趣(因果推断、高维统计等)无直接交集,但其中关于图拉普拉斯和特征传播的分析可能对您在高维统计中的谱方法有间接启发。作为 gateway reading,本文对非深度学习领域的统计学家而言,入门门槛较高,需要熟悉图拉普拉斯和神经网络谱分析;您的武器库(如高维渐近、U-统计量)不足以直接支撑进入该方向,且本文并非面向统计推断的方法学贡献,因此暂不值得花时间读全文。

5. hexagon:2611.00217 — The Logical Anatomy of Optimization: Reverse Mathematics, Proof Mining, and the Price of Convergence

  • 作者: Xiaoyu Li
  • 期刊/来源: Hexagon · 无人类作者署名 · 人类理解:部分 · 工具: Claude Opus 5.5 / Claude Code / Python 3 (numerical checks in anc/)
  • 机构: University of New South Wales
  • 分类: math.LO · math.OC · cs.CC · cs.LO
  • 相关性 6/10 · novelty: new_theory
  • 摘要: 本文用逆向数学、Weihrauch 复杂度和证明挖掘三种工具,系统度量优化理论中三类定理(存在性、收敛性、对偶性)所需的数学公理强度。核心结果包括:在 RCA_0 中,凸函数在紧区间上可达最小值,线性规划对偶与 minimax 定理对任意规模实数数据成立;而梯度下降在凸光滑函数上的收敛性等价于 ACA_0,其代价源于算法选择的特定极小点,唯一性或误差界可消除该代价。此外,梯度下降在 R^d 中至多有 2C_dD/ε 次 ε-波动,且该界不能做到维度无关;可计算实例上梯度下降的极限坐标属于 d.c.e. 真子类。文章还覆盖 Ekeland 变分原理、分离定理、Kőnig 对偶、不动点迭代的证明挖掘率,以及可行世界中的 NP 搜索问题与 CLS 完备性。最后提出五个原则和开放问题。对您而言,本文虽非统计方法论文,但其对算法收敛代价的精细刻画(如 ACA_0 等价性)与您在高维统计和计算复杂性方面的兴趣有概念性关联,可作为跨学科背景阅读。
  • 关键技术: reverse mathematics, Weihrauch complexity, proof mining, metastability rates, performance estimation problem, CLS/PPAD/PLS complexity classes
  • 为什么对您有用: 本文属于数学基础与计算复杂性交叉领域,与您的 primary interests 无直接方法学重叠,但其中关于梯度下降收敛代价的逆向数学刻画(ACA_0 等价性)和维度无关界的否定结果,与您在高维统计和统计-计算权衡方面的兴趣有概念性连接。作为 gateway reading,本文对非逻辑学背景的统计学家有一定门槛,但引言和结论部分可读性较好。武器库方面,您熟悉的 minimax 和复杂度理论足以理解主要结论的统计含义,但深入证明需要补充逆向数学和 Weihrauch 复杂度知识,因此暂不可做直接 follow-up,但值得花时间读全文以拓宽视野。

6. 2611.13021 — Cluster-weighted modeling for count data with excess zeros and mixed-type covariates

  • 作者: Jongik Park, Geoffrey J. McLachlan, Sangkon Oh
  • 机构: Pukyong National University · The University of Queensland
  • 分类: stat.ME
  • 相关性 4/10 · novelty: new_method
  • 摘要: 本文针对计数数据中常见的零膨胀、组内过离散以及响应与协变量间异质关系,提出零膨胀负二项簇加权模型(ZINB-CWM)。该模型将结构零成分与多个负二项回归成分结合,并联合建模响应与混合类型协变量,突破了传统零膨胀回归仅用单一计数结构的限制。作者建立了模型可识别性的充分条件(包括其 Poisson 版本),并开发了 EM 算法进行参数估计。数值研究表明,在组内过离散存在时,所提模型在回归系数估计和聚类性能上优于 Poisson 对应模型。该工作属于混合模型与聚类分析领域,与您的主要研究方向(因果推断、高维统计等)关联较弱,但其中可识别性证明和 EM 算法实现可作为统计建模的参考。
  • 关键技术: zero-inflated negative binomial model, cluster-weighted model, mixture of regressions, identifiability conditions, EM algorithm
  • 为什么对您有用: 本文属于混合模型与聚类分析,与您的主要兴趣(因果推断、高维统计、半参数理论)关联较弱,但可识别性证明和 EM 算法实现可作为统计建模的参考。作为 gateway reading,本文对混合模型领域的新手较为友好,但并非您当前武器库的直接延伸,暂不建议深入阅读。

7. 2611.14369 — A Bayesian approach for checking and estimating block designs in agricultural experiments

  • 作者: Josefina Lacasa, Ignacio A. Ciampitti, Trevor J. Hefley
  • 机构: Kansas State University · Purdue University West Lafayette
  • 分类: stat.ME · stat.AP
  • 相关性 4/10 · novelty: application
  • 摘要: 本文提出一种贝叶斯方法,用于检验农业田间试验中空间区组设计的设定是否正确,并估计被遗漏的空间效应。作者将回归树嵌入贝叶斯模型,以捕捉具有区组状结构的空间效应,从而诊断原始区组设计是否误设。通过模拟四种典型误设场景和两个真实农业试验数据集,验证了模型既能确认原始区组布局的合理性,也能识别并估计误设的区组状空间结构。该方法为农业试验数据分析提供了新的诊断工具。
  • 关键技术: Bayesian regression tree, spatial blocking, model checking, designed experiments
  • 为什么对您有用: 本文属于应用统计(农业试验设计),与您的主要兴趣(因果推断、高维统计等)无直接交集,但可作为流行病学或应用因果推断中关于空间混杂和设计诊断的入门参考。武器库中的非参数统计和M估计理论可帮助理解其贝叶斯回归树的空间效应估计,但核心方法并非您熟悉的方向,属于暂不可做范畴。

8. 2611.14008 — A linear programming approach to finite copula interpolation

  • 作者: Matja\v{z} Omladi\v{c}, Martin Vuk, Alja\v{z} Zalar
  • 分类: math.ST · stat.TH
  • 相关性 4/10 · novelty: new_method
  • 摘要: 本文研究多元 copula 在任意有限配置点上的精确与区间值插值问题。作者首先刻画了给定数据与 quasi-copula 相容的条件,并推导出极值 quasi-copula 包络,从而将 copula 插值问题转化为包络之间的 copula 夹逼问题。通过将包络限制在数据坐标生成的规范矩形网格上,得到一个有限线性可行性系统,其初等体积约束由 cell-vertex 关联矩阵编码。利用 Farkas 引理,作者将 Omladič 和 Stopar 的判据与不可行性的显式证书联系起来,并证明只需检验符号多胞形剖分的有限多个顶点即可。此外,该构造被推广到 k-递增离散 quasi-copulas(2≤k≤d)。
  • 关键技术: Farkas' lemma, linear feasibility, quasi-copula envelopes, cell-vertex incidence matrix, sign-polytopal subdivision
  • 为什么对您有用: 本文属于数学统计中的 copula 插值问题,与您的主要兴趣(如非参数/半参数理论)关联较弱,但其中线性可行性系统与 Farkas 引理的应用可能对您熟悉的统计计算中的优化方法有一定启发。作为 gateway reading,本文对 copula 领域外人士的友好度一般,需要一定 copula 理论背景;您的武器库(如线性规划、组合结构)足以理解核心论证,但该主题并非您当前研究方向的直接延伸,建议仅作浏览。

🗂 其他论文(仅 LLM 评分,未生成摘要)

未生成中文摘要的论文,按 LLM 评分由高到低排列,仅保留评分与简评,便于回溯查全。一般为相关性低于展示阈值者;个别历史页也含当时因单日摘要上限未展开的高分篇目(评分仍清楚标着)。

1. 2611.13433 — Regression Modeling for the Bloc Basu Bivariate Exponential Distribution: Marginal and Conditional Means

  • 作者: Osama Idais, Eric Nyarko, Ola Alkhuffash
  • 机构: University of Ghana · Lokman Hekim Üniversitesi
  • 分类: stat.ME · math.ST · stat.TH
  • 相关性 3/10
  • 评分理由: Bivariate exponential regression is a niche modeling topic, tangential to primary interests.

2. 2611.13451 — Economics of Selection in Ranking & Selection: Neither Fixed-Precision nor Fixed-Budget

  • 作者: Stephen E. Chick, Zaile Li, L. Jeff Hong
  • 机构: INSEAD · National University of Singapore · University of Minnesota
  • 分类: stat.ME · stat.AP
  • 相关性 3/10
  • 评分理由: Ranking and selection economics is unrelated to the researcher's statistical interests.

3. 2611.14429 — Analytic and optimized approximations to the median of the gamma distribution

  • 作者: Richard F. Lyon
  • 机构: Google (United States)
  • 分类: math.ST · stat.TH
  • 相关性 3/10
  • 评分理由: A specialized approximation problem with little connection to the researcher's primary or secondary interests.

4. 2611.12923 — Spacetime contactability in Galactic civilization networks: Contact counts and percolation

  • 作者: Kohji Tsumura
  • 机构: Tokyo City University · Tohoku University
  • 分类: astro-ph.IM · astro-ph.GA · physics.pop-ph
  • 相关性 3/10
  • 评分理由: Astrophysics percolation model lacks clear statistical methodology exposition, weak gateway reading for astrostats.

5. 2611.13260 — Beyond the Fast Rotators: A JWST Multi-Cycle Treasury Survey of Substellar Weather

  • 作者: Natalia Oliveros-Gomez, Elena Manjavacas, Niall Whiteford, Caprice Phillips, Jared Bull, Kielan Hoch, Allison M. McCarthy, Beatriz Campos Estrada, Cian O'Toole, Evert Nasedkin, Stanimir Metchev, Gabriel-Dominique Marleau, Harshil Kothari, Antonia von Stauffenberg, Michael K. Plummer, Brianna I. Lacy, Fuda Nguyen, Xueqing Chen, Fei Wang, Genaro S\'uarez, Ben J. Sutlieff
  • 机构: Johns Hopkins University · Space Telescope Science Institute · European Space Agency · American Museum of Natural History · University of California, Santa Cruz · Goddard Space Flight Center · Trinity College Dublin · Max Planck Institute for Astronomy 等
  • 分类: astro-ph.IM · astro-ph.EP · astro-ph.SR
  • 相关性 3/10
  • 评分理由: Astrophysics survey proposal, lacks clear statistical methodology or data exposition.

6. hexagon:2611.00246 — Second moments of pattern counts in dual Melas codewords

  • 作者: David Niedbala Giraudin
  • 分类: math.NT · cs.IT
  • 相关性 3/10
  • 评分理由: Pattern counts in coding theory with Poisson convergence, tangential to mathematical statistics.

7. hexagon:2611.00237 — The Grothendieckian Programme: An Overview — Seven Open Works on Mathematics and Machine Reasoning

  • 作者: Vincent Liu
  • 分类: math.HO · math.AG · math.CT · math.NT · cs.AI · cs.LO
  • 相关性 3/10
  • 评分理由: Machine reasoning about mathematics, only weak general-science gateway relevance.

8. 2611.13064 — Mars Seed: A Reference Architecture for Biomanufacturing Habitats from Martian Resources

  • 作者: Devon A. Stork, Harley Greene, Una Nattermann, Tom Pedersen, Nathan D. Hicks, Max G. Schubert, Fatima R. Martin, Edward Sukarto, Erika A. DeBenedictis
  • 分类: astro-ph.IM · astro-ph.EP
  • 相关性 2/10
  • 评分理由: Mars biomanufacturing architecture is unrelated to statistical interests and lacks data/model dimension.

9. 2611.13072 — STarlight Acquisition and Reflection toward Interferometry (STARI) mission

  • 作者: John D. Monnier (University of Michigan), James Cutler (University of Michigan), Akshat Dubey (University of Michigan), Caden Burkhardt (University of Michigan), Raven St. Clair (University of Michigan), Bradley Bialke (University of Michigan), Adrien Boissy (University of Michigan), Tobey Chang (University of Michigan), Hannah Cherry (University of Michigan), Yethinder Ragav Lakshmi Kumar (University of Michigan), Michael Meyer (University of Michigan), Jacob Klingler (University of Michigan), Shivani Sunil (University of Michigan), Austin Thomas (University of Michigan), Daniil Voloshin (University of Michigan), Simone D'Amico (Stanford University), Antonio Rizza (Stanford University), Ethan Foss (Stanford University), Samuel Y. W. Low (Stanford University), Prachet Jain (Stanford University), E. Glenn Lightsey (Georgia Institute of Technology), Althea Noonan (Georgia Institute of Technology), Mark Gorrow (Georgia Institute of Technology), Leonid Pogorelyuk (Rensselaer Polytechnic Institute), Melissa Flores (Rensselaer Polytechnic Institute), Albert Ostoja-Starzewski (Rensselaer Polytechnic Institute), Garret DeRose (Rensselaer Polytechnic Institute), Jasper Heymann (Rensselaer Polytechnic Institute), Alexa LaPinta (Rensselaer Polytechnic Institute), Ryan Turoff (Rensselaer Polytechnic Institute), Gautam Vasisht (NASA Jet Propulsion Laboratory), Kerri Cahoy (Massachusetts Institute of Technology)
  • 机构: University of Michigan · Stanford University · Georgia Institute of Technology · Rensselaer Polytechnic Institute · Jet Propulsion Laboratory · Massachusetts Institute of Technology
  • 分类: astro-ph.IM
  • 相关性 2/10
  • 评分理由: Space mission technology demonstrator, unrelated to statistics interests.

10. hexagon:2611.00270 — Quartic exponential matching in the unit square

  • 作者: Will Howe, Grant Huffman, Jensen Kohlmeyer, Liam Kruer
  • 分类: math.PR
  • 相关性 2/10
  • 评分理由: Combinatorial matching problem in probability, tangential to statistical methodology.

11. hexagon:2611.00259 — The Rising-Sea Theses: Twelve Theses on Mathematics and Machine Reasoning

  • 作者: Vincent Liu
  • 分类: math.HO · math.CT · cs.AI · cs.LO
  • 相关性 2/10
  • 评分理由: Philosophical theses on machine reasoning in mathematics, tangential to statistics.

12. hexagon:2611.00257 — Spectral synthesis for the Báez–Duarte step space

  • 作者: Will Howe, Grant Huffman, Jensen Kohlmeyer, Liam Kruer
  • 分类: math.NT
  • 相关性 2/10
  • 评分理由: Number theory and functional analysis, unrelated to statistical interests.

13. hexagon:2611.00254 — Critical edges in labelled complete graphs

  • 作者: Dr. András Pongrácz
  • 分类: math.CO
  • 相关性 2/10
  • 评分理由: Combinatorial graph theory, tangential to statistical computation at best.

14. hexagon:2611.00252 — Holographic entropy inequalities without unscaled contraction proofs

  • 作者: Antti Hippeläinen
  • 分类: math-ph · math.CO · quant-ph
  • 相关性 2/10
  • 评分理由: Holographic entropy inequalities in math-physics, no statistical methodology or data relevance.

15. hexagon:2611.00251 — Nonuniqueness of site percolation on nonamenable quasi-transitive graphs

  • 作者: Yan Ru Pei
  • 分类: math.PR · math.CO · math.GR · math-ph
  • 相关性 2/10
  • 评分理由: Percolation theory on graphs, probabilistic but far from the researcher's statistical interests.

16. hexagon:2611.00245 — Seven Research Directions in Differential Geometry and Differential Topology Enabled by AI

  • 作者: Jianqiao Shang
  • 分类: math.DG · math.GT · math.SG
  • 相关性 2/10
  • 评分理由: AI-generated research directions in differential geometry, no statistical or data analysis content.

17. hexagon:2611.00241 — Autocorrelation Phase Lattices on Cyclic Groups: Unit Supports, 2pq Orbit Profiles, and Binary Reconstruction

  • 作者: Oleksiy Babanskyy
  • 分类: math.CO
  • 相关性 2/10
  • 评分理由: Combinatorial algebra on cyclic groups, no statistical or computational-statistics connection.

18. hexagon:2611.00240 — A Parity Theorem for Reverse-Complement-Invariant Minimum Decycling Sets in q-ary de Bruijn Graphs

  • 作者: Oleksiy Babanskyy
  • 分类: math.CO
  • 相关性 2/10
  • 评分理由: Graph theory on de Bruijn graphs, no statistical or computational-statistics connection.

19. hexagon:2611.00236 — Sharp thresholds for five-colour cube assemblies

  • 作者: Jason Davies
  • 分类: math.CO · cs.DM · cs.LO
  • 相关性 2/10
  • 评分理由: Combinatorial threshold problem, no statistical or computational-statistics connection.

20. hexagon:2611.00227 — An analytic lower bound for the cubic-lattice dimer constant

  • 作者: Yair Lavi
  • 分类: math.CO · math-ph
  • 相关性 2/10
  • 评分理由: Combinatorial constant bound with analytic proof, tangential to statistical computing at best.

21. hexagon:2611.00306 — Smale's mean value constant (1981) exceeds 1.1559, and other miscellanea

  • 作者: Dave Goel
  • 分类: math.CV
  • 相关性 1/10
  • 评分理由: Pure complex analysis result, unrelated to statistics interests.

22. hexagon:2611.00282 — Smale's mean value constant (1981) equals 4

  • 作者: Dave Goel
  • 分类: math.CV
  • 相关性 1/10
  • 评分理由: Complex analysis / Lean formalization, unrelated to statistics interests.

23. hexagon:2611.00283 — Smale's mean value constant (1981) equals 4, and other miscellanea

  • 作者: Dave Goel
  • 分类: math.CV
  • 相关性 1/10
  • 评分理由: Same as above, complex analysis result, no statistical connection.

24. hexagon:2611.00305 — Cayley graphs of abelian groups and their quantum symmetries

  • 作者: Teo Banica
  • 分类: math.QA · math.OA
  • 相关性 1/10
  • 评分理由: Quantum symmetries of Cayley graphs, pure algebra, out of scope.

25. hexagon:2611.00304 — Singular perpendicular orbits and complete periodicity in rational triangles

  • 作者: Joshua Boorstein
  • 分类: math.DS · math.GT · math.MG
  • 相关性 1/10
  • 评分理由: Dynamical systems / billiards in rational triangles, no statistical relevance.

26. hexagon:2611.00303 — Non-perpendicular periodic orbits in mirror directions of right triangles

  • 作者: Joshua Boorstein
  • 分类: math.DS · math.MG
  • 相关性 1/10
  • 评分理由: Billiard paths in right triangles, unrelated to statistics.

27. hexagon:2611.00302 — Triangles in sets of positive upper density in the plane

  • 作者: Polona Durcik
  • 分类: math.CA · math.CO
  • 相关性 1/10
  • 评分理由: Combinatorial geometry on density of triangles, no statistical link.

28. hexagon:2611.00301 — The Benson-Etingof-Ostrik conjecture

  • 作者: Kevin Coulembier, Pavel Etingof, Johannes Flake, Joseph Newton, Victor Ostrik
  • 分类: math.RT · math.CT
  • 相关性 1/10
  • 评分理由: Tensor categories in positive characteristic, far from statistics.

29. hexagon:2611.00300 — Integral torus partition functions just above c=1 have no fixed spectral gap

  • 作者: Tzu Chen Huang
  • 分类: math-ph
  • 相关性 1/10
  • 评分理由: Conformal field theory partition functions, no statistical relevance.

30. hexagon:2611.00295 — Notes on Wasserstein distance and the JT gravitational ensemble

  • 作者: Ville Samuli Keränen
  • 分类: math-ph · math.PR · quant-ph
  • 相关性 1/10
  • 评分理由: Physics/optimal transport on quantum theories, tangential to statistics and no arsenal overlap.

31. hexagon:2611.00292 — Energy complexity and dissipation of noisy consensus

  • 作者: Zhenyu Sun
  • 分类: math.IT · math.MP · cs.CC
  • 相关性 1/10
  • 评分理由: Information-theoretic consensus lower bound, not aligned with primary statistical interests.

32. hexagon:2611.00291 — Closing the identification step in the GFF limit: Uniqueness of the zero-slope six-vertex phase for −1 ≤ Δ < 1/2

  • 作者: Yan Ru Pei
  • 分类: math.PR · math.MP
  • 相关性 1/10
  • 评分理由: Statistical mechanics of six-vertex model, far from causal inference or high-d statistics.

33. hexagon:2611.00290 — Stochastic Connections on Surface Bundles

  • 作者: Zhenyu Sun
  • 分类: math.PR · math.AP · math.DG · math-ph
  • 相关性 1/10
  • 评分理由: Stochastic PDE on principal bundles is unrelated to the researcher's statistics interests.

34. hexagon:2611.00289 — Positivity for Weighted Linear Laurent Phenomenon Algebras

  • 作者: Qiyue Tang
  • 分类: math.CO · math.AC · math.RA
  • 相关性 1/10
  • 评分理由: Combinatorial algebra on Laurent phenomenon algebras is outside the researcher's field.

35. hexagon:2611.00287 — Higher Galois Recognition and Parameter Descent

  • 作者: Zhenyu Sun
  • 分类: math.CT · math.AT · math.LO
  • 相关性 1/10
  • 评分理由: Higher topos theory and Galois recognition are far from statistical interests.

36. hexagon:2611.00285 — Watkins's Conjecture for Elliptic Curves with Rational Two-Torsion

  • 作者: Qiyue Tang
  • 分类: math.NT · math.AG
  • 相关性 1/10
  • 评分理由: Number theory conjecture on elliptic curves is outside the researcher's scope.

37. hexagon:2611.00284 — Positive bases and polytopes for Laurent phenomenon algebras

  • 作者: Qiyue Tang
  • 分类: math.CO · math.AC · math.RA
  • 相关性 1/10
  • 评分理由: Polytopes and cluster algebras are not connected to the researcher's statistics work.

38. hexagon:2611.00281 — The 51-state beeper \(M_{51}\): every battle ends, and what Peano Arithmetic can prove about it

  • 作者: Annanay Kapila
  • 分类: math.LO
  • 相关性 1/10
  • 评分理由: Turing machine termination and Peano arithmetic independence are unrelated to statistics.

39. hexagon:2611.00280 — COUNTABLY INFINITE-DIMENSIONAL SPACES OF CRYSTALLINE MEASURES

  • 作者: Jamie Martin
  • 分类: math.FA · math.CA
  • 相关性 1/10
  • 评分理由: Pure harmonic analysis on crystalline measures, unrelated to statistics.

40. hexagon:2611.00279 — Another proof of quantum Laurent positivity, II

  • 作者: Qiyue Tang
  • 分类: math.QA · math.CO
  • 相关性 1/10
  • 评分理由: Combinatorial algebra on quantum cluster algebras, no statistical connection.

41. hexagon:2611.00278 — Twisted conjugacy in spherical Artin groups and their crystallographic quotients

  • 作者: Jason Davies
  • 分类: math.GR · math.GT · math.RT
  • 相关性 1/10
  • 评分理由: Group theory on Artin groups, far from statistical interests.

42. hexagon:2611.00277 — Smooth functions with isolated critical values and systems of fibers

  • 作者: Naok Kitazawa
  • 分类: math.GN · math.GR · math.GT
  • 相关性 1/10
  • 评分理由: Differential topology of Morse functions, no statistical relevance.

43. hexagon:2611.00182 — The Exact Second Order Term In Ramanujan's Bound For \(\sigma(n)/n\)

  • 作者: Jacob Crim
  • 分类: math.NT
  • 相关性 1/10
  • 评分理由: Analytic number theory on divisor sums, unrelated to statistics.

44. hexagon:2611.00276 — Definability and Lifting in Model Subgroupoids

  • 作者: Zhenyu Sun
  • 分类: math.LO · math.CT · math.GR
  • 相关性 1/10
  • 评分理由: Model theory and groupoids, no statistical connection.

45. hexagon:2611.00275 — The Schur-Siegel-Smyth trace problem: the lower bound 1.8022246

  • 作者: David Niedbala Giraudin
  • 分类: math.NT
  • 相关性 1/10
  • 评分理由: Number theory optimization on algebraic integers, unrelated.

46. hexagon:2611.00274 — Ideal generation for general reduced projective points

  • 作者: Vlado Vojdanovski
  • 分类: math.AG
  • 相关性 1/10
  • 评分理由: Commutative algebra on ideal generation, no statistical relevance.

47. hexagon:2611.00273 — An exact moment criterion for survival under renewed spatial catastrophes

  • 作者: Man Huang
  • 分类: math.PR
  • 相关性 1/10
  • 评分理由: Probability theory on spatial catastrophes, unrelated to statistics interests.

48. hexagon:2611.00269 — Sublinear-space recognition for Boolean grammars

  • 作者: Will Howe, Grant Huffman, Jensen Kohlmeyer, Liam Kruer
  • 分类: cs.FL
  • 相关性 1/10
  • 评分理由: Formal language theory and space complexity, outside all interests.

49. hexagon:2611.00268 — Palindromic sections in two Kolakoski phase actions

  • 作者: Will Howe, Grant Huffman, Jensen Kohlmeyer, Liam Kruer
  • 分类: math.DS
  • 相关性 1/10
  • 评分理由: Dynamical systems on Kolakoski sequences, unrelated to statistics.

50. hexagon:2611.00267 — Two exact frequency extrema for smooth sequences over {1,3}

  • 作者: Will Howe, Grant Huffman, Jensen Kohlmeyer, Liam Kruer
  • 分类: math.DS
  • 相关性 1/10
  • 评分理由: Frequency extrema in symbolic dynamics, no statistical connection.

51. hexagon:2611.00266 — A Counterexample to the Subtraction-Free Conjecture for Bounded Ratios of Minors

  • 作者: Qiyue Tang
  • 分类: math.RA · math.CO
  • 相关性 1/10
  • 评分理由: Algebraic combinatorics on totally positive matrices, unrelated to statistics.

52. hexagon:2611.00265 — Irrationality of χ₂ and Ti₂ at units of real quadratic fields

  • 作者: Shawn Krisman
  • 分类: math.NT
  • 相关性 1/10
  • 评分理由: Number theory on irrationality of special functions, outside interests.

53. hexagon:2611.00228 — Singularity Projection in Three-Dimensional Space and the Discretization of a Continuous Interval

  • 作者: zoushanzhong zou
  • 分类: math.AT · math.GT
  • 相关性 1/10
  • 评分理由: Topology and geometry of projections, no statistical relevance.

54. hexagon:2611.00260 — The Cereceda (2007) conjecture holds for bipartite 2-degenerate graphs

  • 作者: Dave Goel
  • 分类: math.CO · cs.DM
  • 相关性 1/10
  • 评分理由: Pure graph theory combinatorics, unrelated to any statistical interest.

55. hexagon:2611.00258 — Smale's mean value constant (1981) exceeds 1.1559

  • 作者: Dave Goel
  • 分类: math.CV
  • 相关性 1/10
  • 评分理由: Complex analysis result, no connection to statistical methodology.

56. hexagon:2611.00256 — Period relations as period terms: linear independence at CM and Beta periods

  • 作者: Shawn Krisman
  • 分类: math.NT
  • 相关性 1/10
  • 评分理由: Number theory on periods, no statistical relevance.

57. hexagon:2611.00233 — Prime factors of fusion-category dimensions: weak group-theoreticity, rank and decomposition

  • 作者: Sebastian Burciu, Jingcheng Dong, Sebastien Palcoux
  • 分类: math.QA · math.CT · math.GR · math.MP · math.RA · math.RT
  • 相关性 1/10
  • 评分理由: Abstract algebra/category theory, unrelated to statistics.

58. hexagon:2611.00255 — The rational points of the non-split Cartan modular curve of level 121

  • 作者: Manvir Jaswal
  • 分类: math.NT
  • 相关性 1/10
  • 评分理由: Arithmetic geometry, no connection to statistical interests.

59. hexagon:2611.00253 — Shared triangular sides in pseudoline arrangements

  • 作者: Will Howe, Grant Huffman, Jensen Kohlmeyer, Liam Kruer
  • 分类: math.CO
  • 相关性 1/10
  • 评分理由: Pure combinatorics on pseudoline arrangements, unrelated to statistics or causal inference.

60. hexagon:2611.00250 — No arrivals: complete periodicity and degenerate orbits in rational right triangles

  • 作者: Joshua Boorstein
  • 分类: math.DS · math.GT · math.NT
  • 相关性 1/10
  • 评分理由: Dynamical systems and billiards in rational triangles, completely outside statistics.

61. hexagon:2611.00248 — R(12,12) ≥ 1661 by extending the Mathon–Shearer coloring

  • 作者: Yue Ma
  • 分类: math.CO
  • 相关性 1/10
  • 评分理由: Ramsey theory coloring construction, unrelated to statistical methodology.

62. hexagon:2611.00243 — Non-computable derivatives of the fractional-part autocorrelation

  • 作者: Michael Yampolsky
  • 分类: cs.CC
  • 相关性 1/10
  • 评分理由: Computability theory in analysis, tangential to statistical computing.

63. hexagon:2611.00239 — Another proof of Laurent positivity for skew-symmetric quantum cluster algebras

  • 作者: Qiyue Tang
  • 分类: math.QA · math.RT
  • 相关性 1/10
  • 评分理由: Cluster algebra positivity, unrelated to statistical interests.

64. hexagon:2611.00238 — Another Proof of Laurent Positivity for Generalized Cluster Algebras

  • 作者: Qiyue Tang
  • 分类: math.AC · math.CO · math.RT
  • 相关性 1/10
  • 评分理由: Cluster algebra positivity, unrelated to statistical interests.

65. hexagon:2611.00235 — Decomposable disjoint-union circuits for primitive words

  • 作者: Will Howe, Grant Huffman, Jensen Kohlmeyer, Liam Kruer
  • 分类: cs.FL
  • 相关性 1/10
  • 评分理由: Formal language theory on primitive words, unrelated to statistics or causal inference.

66. hexagon:2611.00234 — Torsion of elliptic curves over number fields of degree \(10\)

  • 作者: Filip Najman
  • 分类: math.NT
  • 相关性 1/10
  • 评分理由: Number theory on elliptic curve torsion, far from the researcher's statistical interests.

67. hexagon:2611.00232 — A proof of a conjecture of Cazenave on graph eigenvalues

  • 作者: Alexander Kramer
  • 分类: math.CO
  • 相关性 1/10
  • 评分理由: Graph eigenvalue inequality proof, no statistical or computational-statistics connection.

68. hexagon:2611.00231 — Rational points on the non-split Cartan modular curve of level \(121\)

  • 作者: Santiago Arango-Piñeros, Filip Najman, David Zureick-Brown
  • 分类: math.NT
  • 相关性 1/10
  • 评分理由: Arithmetic geometry on modular curves, unrelated to the researcher's field.

69. hexagon:2611.00230 — Nonexistence of DSRGs with ten parameter sets: the rank of A − θI versus a submatrix prescribed at a vertex

  • 作者: Iurii Ivanov
  • 分类: math.CO
  • 相关性 1/10
  • 评分理由: Combinatorial graph existence problem, no methodological overlap with statistics.

70. hexagon:2611.00229 — Actual images and local fibers in the second commutator layer

  • 作者: Shengyong Pan
  • 分类: math.RA
  • 相关性 1/10
  • 评分理由: Algebraic structure of polynomial values on matrices, outside all interests.

71. hexagon:2611.00226 — A family of finite dimensional Hopf algebras over \(\mathbb{C}\) with varying algebra structure

  • 作者: Pavel I Etingof
  • 分类: math.RA · math.CT
  • 相关性 1/10
  • 评分理由: Hopf algebra construction, completely unrelated to statistics or data analysis.

72. hexagon:2611.00225 — Spectrally Simple Spectra without Irreducible Nonnegative Realizations

  • 作者: Yair Lavi
  • 分类: math.RA
  • 相关性 1/10
  • 评分理由: Pure algebra (nonnegative matrix realization), unrelated to statistics or the researcher's interests.

73. hexagon:2611.00224 — A Zariski-Open Family of Proper Septic Polynomials with Full Traceless Images

  • 作者: Y. T. Miah
  • 分类: math.RA
  • 相关性 1/10
  • 评分理由: Pure algebra (multilinear polynomials, matrix images), no statistical content.

74. hexagon:2611.00223 — Images of Multilinear Polynomials with a Standard-Polynomial Unit Specialization

  • 作者: Y. T. Miah
  • 分类: math.RA
  • 相关性 1/10
  • 评分理由: Pure algebra (multilinear polynomials, matrix images), no statistical content.

75. hexagon:2611.00221 — On Fourier and Hadamard matrices of prime order

  • 作者: Teo Banica
  • 分类: math.CO · quant-ph
  • 相关性 1/10
  • 评分理由: Combinatorics/quantum info on Hadamard matrices, unrelated to statistics.

76. hexagon:2611.00220 — The Mesirov-Sweet property over F_2 up to degree 33, with two quotients of degree two up to degree 28

  • 作者: David Niedbala Giraudin
  • 分类: math.NT
  • 相关性 1/10
  • 评分理由: Number theory computation over F_2, unrelated to statistics.

77. hexagon:2611.00219 — Monomial Immanants of Totally Nonnegative Matrices

  • 作者: Qiyue Tang
  • 分类: math.CO · math.AG · math.RT
  • 相关性 1/10
  • 评分理由: Combinatorics/algebraic geometry on immanants, unrelated to statistics.

78. hexagon:2611.00218 — A LOWER BOUND FOR THE FILLING AREA OF THE CIRCLE

  • 作者: Qiyue Tang
  • 分类: math.DG · math.MG
  • 相关性 1/10
  • 评分理由: Differential geometry on filling area, unrelated to statistics.

79. hexagon:2611.00187 — An explicit counterexample of degree 29440 to Smale's mean value problem with constant one

  • 作者: David Niedbala Giraudin
  • 分类: math.CV · math.NA
  • 相关性 1/10
  • 评分理由: Smale's mean value problem in complex analysis, tangential to numerical methods but no statistical connection.

80. hexagon:2611.00299 — The Daugavet Property of Bidual Spaces

  • 作者: Samir Hamad
  • 分类: math.FA
  • 相关性 0/10
  • 评分理由: Pure functional analysis (Daugavet property), unrelated to any research interest.

81. hexagon:2611.00298 · arXiv — The Wang Transform Inequality

  • 作者: Yair Lavi
  • 分类: math.CO
  • 相关性 0/10
  • 评分理由: Combinatorial matrix inequality, no connection to statistics or causal inference.

82. hexagon:2611.00297 · arXiv — A linear gap for the maximal cp-rank

  • 作者: Yair Lavi
  • 分类: math.CO · math.OC
  • 相关性 0/10
  • 评分理由: Convex geometry / matrix rank problem, outside all research interests.

83. hexagon:2611.00296 · arXiv — The Maximum Diagonal Product of a Stochastic Matrix of Bounded Rank

  • 作者: Yair Lavi
  • 分类: math.CO
  • 相关性 0/10
  • 评分理由: Combinatorial bound on stochastic matrices, unrelated to statistical methodology.

84. hexagon:2611.00288 — Broué's Abelian Defect Group Conjecture for 2-Blocks

  • 作者: Qiyue Tang
  • 分类: math.RT · math.GR
  • 相关性 0/10
  • 评分理由: Group representation theory block conjecture is unrelated to statistics.

85. hexagon:2611.00286 — A Michael Space in the Laver model

  • 作者: Morgan Jones
  • 分类: math.LO
  • 相关性 0/10
  • 评分理由: Set-theoretic topology in the Laver model is unrelated to statistics.

86. hexagon:2611.00244 — On the Hodge, Tate, and standard conjectures for abelian varieties

  • 作者: James Milne
  • 分类: math.AG
  • 相关性 0/10
  • 评分理由: Pure algebraic geometry, unrelated to all interests.

87. hexagon:2611.00216 — Almost all \(k\)-Markov numbers are unique

  • 作者: Qiyue Tang
  • 分类: math.NT · math.DS
  • 相关性 0/10
  • 评分理由: Number theory result on Markov numbers, unrelated to statistics.

88. hexagon:2611.00215 — Monotonicity of Erdős sums

  • 作者: Jaideep Padhi
  • 分类: math.NT
  • 相关性 0/10
  • 评分理由: Analytic number theory on Erdős sums, no statistical content.

89. hexagon:2611.00214 — Haagerup symmetry in a rank-six lattice conformal field theory

  • 作者: Cédric ARHANCET
  • 分类: math.QA
  • 相关性 0/10
  • 评分理由: Vertex operator algebra and fusion categories, far from statistics.

90. hexagon:2611.00213 — The necklace of a rational right triangle: exact counting and complete periodicity

  • 作者: Joshua Boorstein
  • 分类: math.DS · math.GT
  • 相关性 0/10
  • 评分理由: Dynamical systems on rational triangles, no statistical relevance.

91. hexagon:2611.00212 — Consecutive Divisors of Sums of Fibonacci Polynomials: a Luca–Marques Analogue in Finite-Field Polynomial Rings

  • 作者: Scott Kominers
  • 分类: math.NT
  • 相关性 0/10
  • 评分理由: Polynomial analogue of Fibonacci divisor results, pure number theory.

92. hexagon:2611.00211 — Making the coprimality convention explicit in a mean value theorem of Halupczok for the ternary Goldbach problem

  • 作者: Steve Hubbard
  • 分类: math.NT
  • 相关性 0/10
  • 评分理由: Explicit formulation of a number theory mean value theorem, no stats.

93. hexagon:2611.00210 — Lusztig's sharp bound for Hecke algebras

  • 作者: Qiyue Tang
  • 分类: math.RT · math.GR
  • 相关性 0/10
  • 评分理由: Hecke algebra bound in representation theory, unrelated.

94. hexagon:2611.00209 — Improved scaling in the metric cotype inequality

  • 作者: Manor Mendel
  • 分类: math.FA · math.MG
  • 相关性 0/10
  • 评分理由: Banach space metric cotype inequality, pure functional analysis.

95. hexagon:2611.00208 — The 57 Grothendieckian Problems: Open Problems for Mathematics and Machine Reasoning from the Grothendieckian Programme

  • 作者: Vincent Liu
  • 分类: math.HO · math.AG · math.CT · math.NT · cs.AI · cs.LO
  • 相关性 0/10
  • 评分理由: Pure mathematics/logic open problems, unrelated to statistics or causal inference.

96. hexagon:2611.00207 — Pretorsion theories and image-closed subcategories

  • 作者: Haruhisa Enomoto
  • 分类: math.RT · math.CO
  • 相关性 0/10
  • 评分理由: Category theory and algebra, no statistical content.

97. hexagon:2611.00206 — The L’vov–Kaplansky Conjecture for Matrices of Sufficiently Large Order

  • 作者: Qiyue Tang
  • 分类: math.RA
  • 相关性 0/10
  • 评分理由: Abstract algebra (matrix polynomial images), unrelated to statistics.

98. hexagon:2611.00205 — Structural Reductions for Lusztig’s Conjectures in Types (B_n), (\widetilde B_n), and (\widetilde C_n)

  • 作者: Qiyue Tang
  • 分类: math.RT · math.GR
  • 相关性 0/10
  • 评分理由: Representation theory of Hecke algebras, no statistical relevance.

99. hexagon:2611.00203 — Odd/Odd Records for a Relative Approximation Error: Three Quadratic Classifications and an Exact Certificate

  • 作者: Elias De Jesús
  • 分类: math.NT · math.CA
  • 相关性 0/10
  • 评分理由: Number theory on quadratic irrationals, unrelated to statistics.

100. hexagon:2611.00202 — Subrings of \(\mathbb{Z}^n\) of prime-power index and modular forms

  • 作者: Anwesh Ray
  • 分类: math.NT
  • 相关性 0/10
  • 评分理由: Number theory and modular forms, no statistical connection.

101. hexagon:2611.00201 — The Kopotun Subpermanent Transform Inequality

  • 作者: Yair Lavi
  • 分类: math.CO
  • 相关性 0/10
  • 评分理由: Combinatorial matrix inequality, unrelated to statistics.

102. hexagon:2611.00200 — Formalizing the interpolation lemma of the openai/math Landau–Siegel paper and substituting it into a Comparator-accepted proof

  • 作者: Joseph Reilly
  • 分类: cs.LO · math.CA · cs.CC
  • 相关性 0/10
  • 评分理由: Formal proof verification in Lean, no statistical methodology.

103. hexagon:2611.00199 — An affine criterion for a classical four-point family

  • 作者: Alexandre Couret
  • 分类: math.CO
  • 相关性 0/10
  • 评分理由: Pure combinatorics on cyclic groups, unrelated to any statistical interest.

104. hexagon:2611.00198 — Complex and real counterexamples to an inequality arising from Drury's conjecture

  • 作者: Yair Lavi
  • 分类: math.CO · math.RA
  • 相关性 0/10
  • 评分理由: Counterexamples to a matrix inequality, no statistical content.

105. hexagon:2611.00197 — A Dittert-like inequality for homogeneous stable polynomials

  • 作者: Yair Lavi
  • 分类: math.CO · math.RA
  • 相关性 0/10
  • 评分理由: Coefficient inequality for stable polynomials, unrelated to statistics.

106. hexagon:2611.00196 — An Optimal Deterministic Adversary for Sorting

  • 作者: Nicholas Nash
  • 分类: cs.DS
  • 相关性 0/10
  • 评分理由: Deterministic adversary for sorting, unrelated to statistical interests.

107. hexagon:2611.00195 — The L’vov–Kaplansky conjecture in degrees three and four over arbitrary fields

  • 作者: Qiyue Tang
  • 分类: math.RA
  • 相关性 0/10
  • 评分理由: Noncommutative polynomial images, pure algebra, no statistical relevance.

108. hexagon:2611.00194 — The singular-support characterization of Lusztig sheaves

  • 作者: Qiyue Tang
  • 分类: math.RT · math.AG
  • 相关性 0/10
  • 评分理由: Perverse sheaves and Lusztig sheaves, algebraic geometry, unrelated.

109. hexagon:2611.00192 — Self-injective dimensions under stable equivalences of Morita type

  • 作者: Qiyue Tang
  • 分类: math.RT · math.RA
  • 相关性 0/10
  • 评分理由: Self-injective dimensions in algebra, unrelated to statistics.

Maintained by 陈星宇 · Homepage · Source on GitHub

评论