Buchumschlag

Learning Across Experiments and Time: Tackling Heterogeneity in A/B Testing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Li, Xinran
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Designing Time Series Experiments in A/B Testing with Transformer Reinforcement Learning
von: Wu, Xiangkun, et al.
Veröffentlicht: (2026)

Sensitivity Analysis for the Test-Negative Design
von: Kundu, Soumyabrata, et al.
Veröffentlicht: (2024)

Finite-Sample Valid Randomization Tests for Monotone Spillover Effects
von: Huang, Shunzhuang, et al.
Veröffentlicht: (2025)

Sensitivity Analysis for Observational Studies with Flexible Matched Designs
von: Li, Xinran
Veröffentlicht: (2024)

Adaptive Experiments Toward Learning Treatment Effect Heterogeneity
von: Wei, Waverly, et al.
Veröffentlicht: (2023)

Collaborative Analysis for Paired A/B Testing Experiments
von: Zhang, Qiong, et al.
Veröffentlicht: (2024)

Learning the Covariance of Treatment Effects Across Many Weak Experiments
von: Bibaut, Aurélien, et al.
Veröffentlicht: (2024)

Tackling Interference Induced by Data Training Loops in A/B Tests: A Weighted Training Approach
von: Si, Nian
Veröffentlicht: (2023)

Randomization Tests for Distributions of Individual Treatment Effects via Combined Rank Statistics
von: Kim, David, et al.
Veröffentlicht: (2026)

Robust Sensitivity Analysis via Augmented Percentile Bootstrap under Simultaneous Violations of Unconfoundedness and Overlap
von: Cui, Han, et al.
Veröffentlicht: (2025)

Design-based theory for causal inference from adaptive experiments
von: Li, Xinran, et al.
Veröffentlicht: (2026)

Enhanced inference for distributions and quantiles of individual treatment effects in various experiments
von: Chen, Zhe, et al.
Veröffentlicht: (2024)

It's About Time: What A/B Test Metrics Estimate
von: Ankargren, Sebastian, et al.
Veröffentlicht: (2024)

Evaluating Decision Rules Across Many Weak Experiments
von: Chou, Winston, et al.
Veröffentlicht: (2025)

Evaluating and Testing for Actionable Treatment Effect Heterogeneity
von: Ashouri, Mahsa, et al.
Veröffentlicht: (2025)

Transfer Learning Between U.S. Presidential Elections: How Should We Learn From A 2020 Ad Campaign To Inform 2024 Ad Campaigns?
von: Miao, Xinran, et al.
Veröffentlicht: (2024)

Sensitivity Analysis for Quantiles of Hidden Biases in Matched Observational Studies
von: Wu, Dongxiao, et al.
Veröffentlicht: (2023)

Statistical Inference for Heterogeneous Treatment Effects Discovered by Generic Machine Learning in Randomized Experiments
von: Imai, Kosuke, et al.
Veröffentlicht: (2022)

Penalized Subgrouping of Heterogeneous Time Series
von: Crawford, Christopher M., et al.
Veröffentlicht: (2024)

Asymptotic Theory of the Best-Choice Rerandomization using the Mahalanobis Distance
von: Wang, Yuhao, et al.
Veröffentlicht: (2023)

Investigations of Heterogeneity in Diagnostic Test Accuracy Meta-Analysis: A Methodological Review
von: Mischinger, Lukas, et al.
Veröffentlicht: (2026)

Randomization Tests in Switchback Experiments
von: Liu, Jizhou, et al.
Veröffentlicht: (2026)

ML-assisted Randomization Tests for Detecting Treatment Effects in A/B Experiments
von: Guo, Wenxuan, et al.
Veröffentlicht: (2025)

Cumulative Treatment Effect Testing under Continuous Time Reinforcement Learning
von: Zhang, Jiuchen, et al.
Veröffentlicht: (2026)

Randomization Inference with Sample Attrition
von: Li, Xinran, et al.
Veröffentlicht: (2025)

The role of randomization inference in unraveling individual treatment effects in early phase vaccine trials
von: Chen, Zhe, et al.
Veröffentlicht: (2023)

Multi-Study R-Learner for Estimating Heterogeneous Treatment Effects Across Studies Using Statistical Machine Learning
von: Shyr, Cathy, et al.
Veröffentlicht: (2023)

When Sensitivity Bias Varies Across Subgroups: The Impact of Non-uniform Polarity in List Experiments
von: Hatz, Sophia, et al.
Veröffentlicht: (2024)

SLOPE and Designing Robust Studies for Generalization
von: Miao, Xinran, et al.
Veröffentlicht: (2025)

Cluster-Level Experiments using Temporal Switchback Designs: Precision Gains in Pricing A/B Tests at LATAM Airlines
von: Ferrari-Ortiz, Nicolás, et al.
Veröffentlicht: (2026)

TEA-Time: Transporting Effects Across Time
von: Parikh, Harsh, et al.
Veröffentlicht: (2026)

Multiple Testing of Partial Conjunction Hypotheses for Assessing Replicability Across Dependent Studies
von: Dey, Monitirtha, et al.
Veröffentlicht: (2025)

Targeted Learning on Variable Importance Measure for Heterogeneous Treatment Effect
von: Li, Haodong, et al.
Veröffentlicht: (2023)

Randomization-based Z-estimation for evaluating average and individual treatment effects
von: Qu, Tianyi, et al.
Veröffentlicht: (2024)

Joint Learning from Heterogeneous Rank Data
von: Hermes, Sjoerd, et al.
Veröffentlicht: (2024)

Robust Learning of Heterogeneous Dynamic Systems
von: Xu, Shuoxun, et al.
Veröffentlicht: (2026)

Integrating Heterogeneous Information in Randomized Experiments: A Unified Calibration Framework
von: Ma, Wei, et al.
Veröffentlicht: (2026)

Prior-Free Sample Size Design for Test-and-Roll Experiments
von: Kawato, Kentaro, et al.
Veröffentlicht: (2026)

Leveraging External Data for Testing Experimental Therapies with Biomarker Interactions in Randomized Clinical Trials
von: Ren, Boyu, et al.
Veröffentlicht: (2025)

Bayesian Matrix Factor Models for Demographic Analysis Across Age and Time
von: Zens, Gregor
Veröffentlicht: (2025)