PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.13625v1stat.ME

실험 연구의 커널 기반 외적 타당도

Kernel-based External Validity of Experimental Studies

연구의 외적 타당도(external validity)는 해당 연구의 결과가 데이터셋과 같은 미확인 실험 조건으로 얼마나 잘 일반화되는지를 나타내는 척도입니다. 본 논문에서는 연구 질문과 함께 연구 결과를 공식화하고, 외적 타당도를 독립적이고 동일한 규모를 가진 두 건의 반복 연구 결과 간 최대 평균 불일치(MMD)가 주어진 허용 오차 이하일 확률로 정의합니다. 결과 공간과 MMD를 위한 적절한 재생 커널(reproducing kernel) 선택을 중심으로 하는 이 접근 방식은 여러 다양한 유형의 연구 결과와 연구 질문에 적용할 수 있을 만큼 유연합니다. 또한, 연구 규모와 MMD의 분위수(quantile) 사이의 점근적 거듭제곱 법칙(power-law) 관계를 규명하여, 소규모 예비 연구로부터 외적으로 타당한 연구에 필요한 목표 규모를 추정하는 데 활용합니다. 우리는 이 프레임워크를 동점을 포함하는 순위 데이터에 적용하고 다양한 연구 질문에 적합한 커널을 논의합니다. 기존 사례 연구와 시뮬레이션된 신규 설계 연구에 대한 실험을 통해 프레임워크의 적용 가능성을 입증합니다. 관련 코드는 genexpy Python 모듈의 일부로 공개합니다.