:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fan, Jianqing, Tong, Xin, Wu, Yanhui, Xia, Lucy, Yao, Shunan
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Methodology
Online-Zugang:	https://arxiv.org/abs/2310.01009
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neyman-Pearson multiclass classification under label noise via empirical likelihood
von: Zhang, Qiong, et al.
Veröffentlicht: (2026)

Tensor Neyman-Pearson Classification: Theory, Algorithms, and Error Control
von: Liu, Lingchong, et al.
Veröffentlicht: (2025)

Revamping Conformal Selection With Optimal Power: A Neyman--Pearson Perspective
von: Qin, Jing, et al.
Veröffentlicht: (2025)

Neyman-Pearson Multi-class Classification via Cost-sensitive Learning
von: Tian, Ye, et al.
Veröffentlicht: (2021)

Beyond Neyman-Pearson: e-values enable hypothesis testing with a data-driven alpha
von: Grünwald, Peter
Veröffentlicht: (2022)

Pearson's correlation under the scope: Assessment of the efficiency of Pearson's correlation to select predictor variables for linear models
von: Attallah, Mustafa
Veröffentlicht: (2024)

Adaptive Neyman Allocation
von: Zhao, Jinglong
Veröffentlicht: (2023)

Distributed Conditional Feature Screening via Pearson Partial Correlation with FDR Control
von: Pang, Naiwen, et al.
Veröffentlicht: (2024)

Federated fairness-aware classification under differential privacy
von: Xue, Gengyu, et al.
Veröffentlicht: (2026)

Semi-parametric TEnsor Factor Analysis by Iteratively Projected Singular Value Decomposition
von: Chen, Elynn Y., et al.
Veröffentlicht: (2020)

Complementary strengths of the Neyman-Rubin and graphical causal frameworks
von: Gorbach, Tetiana, et al.
Veröffentlicht: (2025)

On the Equivalence between Neyman Orthogonality and Pathwise Differentiability
von: Chen, Yuxi, et al.
Veröffentlicht: (2026)

A Neyman-Orthogonalization Approach to the Incidental Parameter Problem
von: Bonhomme, Stéphane, et al.
Veröffentlicht: (2024)

Bayesian inference for Neyman-Scott point processes with anisotropic clusters
von: Dvořák, Jiří, et al.
Veröffentlicht: (2025)

Semi-parametric Bayesian inference under Neyman orthogonality
von: Sabbagh, Magid, et al.
Veröffentlicht: (2026)

Moving toward best practice when using propensity score weighting in survey observational studies
von: Zeng, Yukang, et al.
Veröffentlicht: (2025)

Neural Generative Distributional Regression
von: Chai, Jinhang, et al.
Veröffentlicht: (2026)

Factor Augmented Matrix Regression
von: Chen, Elynn, et al.
Veröffentlicht: (2024)

Critical issues with the Pearson's chi-square test
von: Gurvich, Vladimir, et al.
Veröffentlicht: (2025)

Stronger Neyman Regret Guarantees for Adaptive Experimental Design
von: Noarov, Georgy, et al.
Veröffentlicht: (2025)

Sigmoid-FTRL: Design-Based Adaptive Neyman Allocation for AIPW Estimators
von: Chen, Fangyi, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Ranking with Heterogeneous Preferences
von: Fan, Jianqing, et al.
Veröffentlicht: (2025)

Two-way Homogeneity Pursuit for Quantile Network Vector Autoregression
von: Liu, Wenyang, et al.
Veröffentlicht: (2024)

Factor and Idiosyncratic VAR Volatility Matrix Models for Heavy-Tailed High-Frequency Financial Observations
von: Shin, Minseok, et al.
Veröffentlicht: (2021)

Causal generalized linear models via Pearson risk invariance
von: Polinelli, Alice, et al.
Veröffentlicht: (2024)

Pearson Chi-squared Conditional Randomization Test
von: Javanmard, Adel, et al.
Veröffentlicht: (2021)

Neyman Jackknife: Design-Based Variance Estimation for Causal Inference under Interference
von: Park, Bryan, et al.
Veröffentlicht: (2026)

Neyman Meets Causal Machine Learning: Experimental Evaluation of Individualized Treatment Rules
von: Li, Michael Lingzhi, et al.
Veröffentlicht: (2024)

Model-robust Inference for Seamless II/III Trials with Covariate Adaptive Randomization
von: Yi, Kun, et al.
Veröffentlicht: (2025)

On the statistical analysis of grouped data: when Pearson $χ^2$ and other divisible statistics are not goodness-of-fit tests
von: Algeri, Sara, et al.
Veröffentlicht: (2024)

Counterfactual fairness for small subgroups
von: Wastvedt, Solvejg, et al.
Veröffentlicht: (2023)

Causal mediation in cluster-randomized trials with multiple mediators: spillover-aware decomposition, identification, and semiparametric efficient inference
von: Tong, Jiaqi, et al.
Veröffentlicht: (2026)

int3ract: Johnson-Neyman Technique and its Three-Way Extension for Frequentist and Bayesian Models in R
von: Krause, Robert W.
Veröffentlicht: (2026)

UTOPIA: Universally Trainable Optimal Prediction Intervals Aggregation
von: Fan, Jianqing, et al.
Veröffentlicht: (2023)

Covariate Assisted Entity Ranking with Sparse Intrinsic Scores
von: Fan, Jianqing, et al.
Veröffentlicht: (2024)

Uncertainty Quantification of MLE for Entity Ranking with Covariates
von: Fan, Jianqing, et al.
Veröffentlicht: (2022)

Optimal Aggregation of Prediction Intervals under Unsupervised Domain Shift
von: Ge, Jiawei, et al.
Veröffentlicht: (2024)

Environment Invariant Linear Least Squares
von: Fan, Jianqing, et al.
Veröffentlicht: (2023)

Adaptive conformal classification with noisy labels
von: Sesia, Matteo, et al.
Veröffentlicht: (2023)

SMART Fine-tuning Factor Augmented Neural Lasso
von: Chai, Jinhang, et al.
Veröffentlicht: (2026)