TL;DR
- چکیده:.
- با در نظر گرفتن یک چارچوب کلی از بوت استرپ با وزنهای قابل تعویض،.
- ما برخی از نابرابریهای غلظت را برای بالاترین فرآیند تجربی بوت استرپ نشان میدهیم.
چه اتفاقی افتاد
چکیده:. با در نظر گرفتن یک چارچوب کلی از بوت استرپ با وزنهای قابل تعویض،.
ما برخی از نابرابریهای غلظت را برای بالاترین فرآیند تجربی بوت استرپ نشان میدهیم. از یک سو،.
تمرکز فرآیند تجربی راهاندازی حول انتظارات مشروط آن با توجه به دادههای اصلی،. و از سوی دیگر،.
تمرکز کمیت دوم حول میانگین آن مورد بحث قرار میگیرد. برای تمرکز مشروط بر دادهها، ما از رویکرد جفتهای مبادلهای چاترجی برای تمرکز استفاده میکنیم.
برای دستیابی به نرخهای غلظت بهینه،. ما برخی از استدلالهای تصفیهشده را برای همگرایی پیادهرویهای جابجایی در گروه متقارن ایجاد میکنیم.
انتظار مشروط فرآیند تجربی بوت استرپ ثابت شده است که خود محدودکننده است،. بنابراین یک ویژگی شناخته شده را برای میانگینهای شرطی Rademacher گسترش میدهد.
برای نشان دادن علاقه این نابرابریهای تمرکز،. ما برخی از نتایج جدید مربوط به مناطق اطمینان را برای تخمین بردار میانگین،.
و همچنین مرزهای غیر مجانبی برای آزمون جایگشت دو نمونه ارائه میکنیم. نظریه آمار (math.
ST); احتمال (math. PR) استناد بهعنوان: (یا v2 [math.
ST] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite سابقه ارسال از:.
Adrien Saumard [مشاهده ایمیل] [از طریق پروکسی CCSD] [v1] سهشنبه،. 31 مارس 2026،.
08:. 19:.
32 UTC (78 KB) [v2] جمعه،. 3 آوریل 2026،.
09:. 04:.
23 UTC (79 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.