ترجمه فارسی مقاله برندگان با اطمینان: استنتاج آرگمین گسسته با کاربردی در انتخاب مدل

چکیده

We study the problem of finding the index of the minimum value of a vector from noisy observations. This problem is relevant in population/policy comparison, discrete maximum likelihood, and model selection. We develop a test statistic that is asymptotically normal, even in high-dimensional settings and with potentially many ties in the population mean vector, by integrating concepts and tools from cross-validation and differential privacy. The key technical ingredient is a central limit theorem for globally dependent data. We also propose practical ways to select the tuning parameter that adapts to the signal landscape.

چکیده به فارسی (ترجمه ماشینی)

ما مشکل پیدا کردن شاخص حداقل مقدار یک بردار از مشاهدات پر سر و صدا را بررسی می کنیم.این مشکل در مقایسه جمعیت/سیاست ، حداکثر احتمال گسسته و انتخاب مدل مرتبط است.ما یک آمار آزمایشی را ایجاد می کنیم که از نظر غیر عادی طبیعی است ، حتی در تنظیمات با ابعاد بالا و با ادغام مفاهیم و ابزارهایی از اعتبار سنجی متقابل و حریم خصوصی دیفرانسیل ، به طور غیر متعارف و با روابط بالقوه بسیاری در وکتور جمعیت.ماده اصلی فنی یک قضیه محدودیت اصلی برای داده های وابسته به جهان است.ما همچنین روشهای عملی را برای انتخاب پارامتر تنظیم که با چشم انداز سیگنال سازگار است ، پیشنهاد می کنیم.