異種データソースへのベッティングによるアクティブノンパラメトリック2標本検定

この論文は、2つのデータセットが同じ分布から生成されたかどうかを迅速に判断することを目的とした、アクティブ2標本検定の問題に取り組んでいます。斬新さは、データ分布について最小限の仮定しかしないノンパラメトリックアプローチと、どのデータソースからサンプルを取得するかを適応的に選択できるアクティブな性質にあります。これは、複数の、潜在的に異種混合のデータソースがあるシナリオで、2標本検定の効率を向上させるための原則的な方法を提供するので、重要な貢献です。ベッティングベースのテストの使用は、エラー率を制御するための堅牢なフレームワークを提供します。

• •アクティブノンパラメトリック2標本検定手順を提案。
• •適応的なソース選択とベッティングによるテストを組み合わせる。
• •タイプIエラーを制御し、パワーワン特性を実証。
• •異種データソースを用いたテスト効率を向上させるための原則的なアプローチを提供する。