Buchumschlag

Bounds and Identification of Joint Probabilities of Potential Outcomes and Observed Variables under Monotonicity Assumptions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hashimoto, Naoya, Kawakami, Yuta, Tian, Jin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Potential Outcome Rankings for Counterfactual Decision Making
von: Kawakami, Yuta, et al.
Veröffentlicht: (2025)

Identification and Estimation of Conditional Average Partial Causal Effects via Instrumental Variable
von: Kawakami, Yuta, et al.
Veröffentlicht: (2024)

Probabilities of Causation for Continuous and Vector Variables
von: Kawakami, Yuta, et al.
Veröffentlicht: (2024)

Mediation Analysis for Probabilities of Causation
von: Kawakami, Yuta, et al.
Veröffentlicht: (2024)

Decomposition of Probabilities of Causation with Two Mediators
von: Kawakami, Yuta, et al.
Veröffentlicht: (2025)

A General Framework for Off-Policy Learning with Partially-Observed Reward
von: Takehi, Rikiya, et al.
Veröffentlicht: (2025)

Learning Monotonic Probabilities with a Generative Cost Model
von: Tang, Yongxiang, et al.
Veröffentlicht: (2025)

Sample Complexity Bounds for Estimating Probability Divergences under Invariances
von: Tahmasebi, Behrooz, et al.
Veröffentlicht: (2023)

Upper Entropy for 2-Monotone Lower Probabilities
von: Vu, Tuan-Anh, et al.
Veröffentlicht: (2026)

Robustify and Tighten the Lee Bounds: A Sample Selection Model under Stochastic Monotonicity and Symmetry Assumptions
von: Okamoto, Yuta
Veröffentlicht: (2023)

Knowledge Distillation Under Ideal Joint Classifier Assumption
von: Li, Huayu, et al.
Veröffentlicht: (2023)

Assumption-Lean Post-Integrated Inference with Surrogate Control Outcomes
von: Du, Jin-Hong, et al.
Veröffentlicht: (2024)

Forecast Sports Outcomes under Efficient Market Hypothesis: Theoretical and Experimental Analysis of Odds-Only and Generalised Linear Models
von: Goto, Kaito, et al.
Veröffentlicht: (2026)

Neurosymbolic Reasoning Shortcuts under the Independence Assumption
von: van Krieken, Emile, et al.
Veröffentlicht: (2025)

Bit-Level Discrete Diffusion with Markov Probabilistic Models: An Improved Framework with Sharp Convergence Bounds under Minimal Assumptions
von: Pham, Le-Tuyet-Nhi, et al.
Veröffentlicht: (2025)

Uncovering Utility Functions from Observed Outcomes
von: Grzeskiewicz, Marta
Veröffentlicht: (2025)

Off-Policy Evaluation and Learning for Survival Outcomes under Censoring
von: Kubota, Kohsuke, et al.
Veröffentlicht: (2026)

Solving Stochastic Variational Inequalities without the Bounded Variance Assumption
von: Alacaoglu, Ahmet, et al.
Veröffentlicht: (2026)

Identification and Estimation of Long-Term Treatment Effects with Monotone Missing
von: Yang, Qinwei, et al.
Veröffentlicht: (2025)

Nonparametric Instrumental Variable Regression with Observed Covariates
von: Shen, Zikai, et al.
Veröffentlicht: (2025)

Joint Probability Selection and Power Allocation for Federated Learning
von: Marnissi, Ouiame, et al.
Veröffentlicht: (2024)

MoRFI: Monotonic Sparse Autoencoder Feature Identification
von: Dimakopoulos, Dimitris, et al.
Veröffentlicht: (2026)

An Exploratory Study on Automatic Identification of Assumptions in the Development of Deep Learning Frameworks
von: Yang, Chen, et al.
Veröffentlicht: (2024)

Joint Registration and Conformal Prediction for Partially Observed Functional Data
von: Wang, Fangyi, et al.
Veröffentlicht: (2025)

On Convergence of Adam for Stochastic Optimization under Relaxed Assumptions
von: Hong, Yusu, et al.
Veröffentlicht: (2024)

High-Probability Bounds for SGD under the Polyak-Lojasiewicz Condition with Markovian Noise
von: Kar, Avik, et al.
Veröffentlicht: (2026)

Causal Effect Estimation under Networked Interference without Networked Unconfoundedness Assumption
von: Chen, Weilin, et al.
Veröffentlicht: (2025)

Almost Linear Convergence under Minimal Score Assumptions: Quantized Transition Diffusion
von: Huang, Xunpeng, et al.
Veröffentlicht: (2025)

Threshold-Based Optimal Arm Selection in Monotonic Bandits: Regret Lower Bounds and Algorithms
von: Varude, Chanakya, et al.
Veröffentlicht: (2025)

Assumptions to Evidence: Evaluating Security Practices Adoption and Their Impact on Outcomes in the npm Ecosystem
von: Zahan, Nusrat, et al.
Veröffentlicht: (2025)

Adaptive Variance Reduction for Stochastic Optimization under Weaker Assumptions
von: Jiang, Wei, et al.
Veröffentlicht: (2024)

Convergence Analysis of SGD under Expected Smoothness
von: Kawamoto, Yuta, et al.
Veröffentlicht: (2025)

Understanding Token Probability Encoding in Output Embeddings
von: Cho, Hakaze, et al.
Veröffentlicht: (2024)

Nonlinear Data Integration via Kernel Methods for Data Collaboration Analysis
von: Suetake, Yamato, et al.
Veröffentlicht: (2026)

Prediction of Survival Outcomes under Clinical Presence Shift: A Joint Neural Network Architecture
von: Jeanselme, Vincent, et al.
Veröffentlicht: (2025)

Autoregressive Learning in Joint KL: Sharp Oracle Bounds and Lower Bounds
von: Xu, Yunbei, et al.
Veröffentlicht: (2026)

New Solutions Based on the Generalized Eigenvalue Problem for the Data Collaboration Analysis
von: Kawakami, Yuta, et al.
Veröffentlicht: (2024)

In-Context Learning as Nonparametric Conditional Probability Estimation: Risk Bounds and Optimality
von: Liu, Chenrui, et al.
Veröffentlicht: (2025)

Probability Bounding: Post-Hoc Calibration via Box-Constrained Softmax
von: Atarashi, Kyohei, et al.
Veröffentlicht: (2025)

Provable Acceleration for Diffusion Models under Minimal Assumptions
von: Li, Gen, et al.
Veröffentlicht: (2024)