Buchumschlag

Tunable robustness in power-law inference

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Qianying, Newberry, Mitchell
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On robust Bayesian causal inference
von: Alexopoulos, Angelos, et al.
Veröffentlicht: (2025)

Online robust estimation and bootstrap inference for function-on-scalar regression
von: Cheng, Guanghui, et al.
Veröffentlicht: (2024)

Robust inference under Benford's law
von: Barabesi, Lucio, et al.
Veröffentlicht: (2025)

Conformal causal inference for cluster randomized trials: model-robust inference without asymptotic approximations
von: Wang, Bingkai, et al.
Veröffentlicht: (2024)

Doubly-robust inference and optimality in structure-agnostic models with smoothness
von: Bonvini, Matteo, et al.
Veröffentlicht: (2024)

Doubly-robust and heteroscedasticity-aware sample trimming for causal inference
von: Khan, Samir, et al.
Veröffentlicht: (2022)

Doubly robust inference with censoring unbiased transformations
von: Sandqvist, Oliver Lunding
Veröffentlicht: (2024)

Not all distributional shifts are equal: Fine-grained robust conformal inference
von: Ai, Jiahao, et al.
Veröffentlicht: (2024)

Doubly robust estimation and inference for a log-concave counterfactual density
von: Ham, Daeyoung, et al.
Veröffentlicht: (2024)

Cheap Subsampling bootstrap confidence intervals for fast and robust inference
von: Ohlendorff, Johan Sebastian, et al.
Veröffentlicht: (2025)

Fast and robust cross-validation-based scoring rule inference for spatial statistics
von: Olafsdottir, Helga Kristin, et al.
Veröffentlicht: (2024)

Principled analysis of crossover designs: causal effects, efficient estimation, and robust inference
von: Jiang, Zhichao, et al.
Veröffentlicht: (2025)

Doubly robust inference via calibration
von: van der Laan, Lars, et al.
Veröffentlicht: (2024)

Amortised and provably-robust simulation-based inference
von: Bharti, Ayush, et al.
Veröffentlicht: (2026)

A doubly robust estimator for the Mann Whitney Wilcoxon Rank Sum Test when applied for causal inference in observational studies
von: Chen, Ruohui, et al.
Veröffentlicht: (2024)

On a new robust method of inference for general time series models
von: Wang, Zihan, et al.
Veröffentlicht: (2025)

How to achieve model-robust inference in stepped wedge trials with model-based methods?
von: Wang, Bingkai, et al.
Veröffentlicht: (2024)

Sample size and power calculations for causal inference of observational studies
von: Liu, Bo, et al.
Veröffentlicht: (2025)

Misspecification-robust likelihood-free inference in high dimensions
von: Thomas, Owen, et al.
Veröffentlicht: (2020)

A robust and powerful method for assessing replicability of high dimensional data
von: Lei, Haochen, et al.
Veröffentlicht: (2023)

Sample size and power calculations for causal inference with time-to-event outcomes
von: Yang, Chengxin, et al.
Veröffentlicht: (2026)

Asymptotics of cut distributions and robust modular inference using Posterior Bootstrap
von: Pompe, Emilia, et al.
Veröffentlicht: (2021)

Confounder-robust causal discovery and inference in Perturb-seq using proxy and instrumental variables
von: Park, Kwangmoon, et al.
Veröffentlicht: (2026)

Properly constrained reference priors decay rates for efficient and robust posterior inference
von: Van Biesbroeck, Antoine
Veröffentlicht: (2024)

A statistician's guide to weak-instrument-robust inference in instrumental variables regression with illustrations in Python
von: Londschien, Malte
Veröffentlicht: (2025)

Doubly robust causal inference through penalized bias-reduced estimation: combining non-probability samples with designed surveys
von: Du, Jiacong, et al.
Veröffentlicht: (2024)

Increasing power and robustness in screening trials by testing stored specimens in the control arm
von: Katki, Hormuzd A., et al.
Veröffentlicht: (2024)

With random regressors, least squares inference is robust to correlated errors with unknown correlation structure
von: Zhang, Zifeng, et al.
Veröffentlicht: (2024)

Degree distributions in networks: beyond the power law
von: Lee, Clement, et al.
Veröffentlicht: (2020)

Minimizing robust density power-based divergences for general parametric density models
von: Okuno, Akifumi
Veröffentlicht: (2023)

Causal inference through multi-stage learning and doubly robust deep neural networks
von: Zhang, Yuqian, et al.
Veröffentlicht: (2024)

More power to you: Using machine learning to augment human coding for more efficient inference in text-based randomized trials
von: Mozer, Reagan, et al.
Veröffentlicht: (2023)

The permuted score test for robust differential expression analysis
von: Barry, Timothy, et al.
Veröffentlicht: (2025)

Robust inference methods of diagnostic test accuracy meta-analysis for influential outlying studies via density power divergence
von: Sasaki, Kotaro, et al.
Veröffentlicht: (2026)

Simultaneous directional inference
von: Heller, Ruth, et al.
Veröffentlicht: (2023)

Calibrated inference: statistical inference that accounts for both sampling uncertainty and distributional uncertainty
von: Jeong, Yujin, et al.
Veröffentlicht: (2022)

The shooting S-estimator for robust regression
von: Öllerer, Viktoria, et al.
Veröffentlicht: (2015)

An AI-powered Bayesian generative modeling approach for causal inference in observational studies
von: Liu, Qiao, et al.
Veröffentlicht: (2025)

Conformal inference for random objects
von: Zhou, Hang, et al.
Veröffentlicht: (2024)

Universal inference for variance components
von: Zhang, Yiqiao, et al.
Veröffentlicht: (2025)