偏倚抽样问题的选择性评论及其在现代统计学中的应用

偏倚抽样是一个普遍存在的问题,跨越各个学科领域,影响着计量经济学、流行病学、医学、调查研究,以及最近的机器学习和人工智能(AI)等领域.当选择用于分析或研究的数据点引入系统性偏倚时,这种无处不在的挑战可能会影响研究结果的准确性和可靠性.本文的目标是全面介绍与偏倚抽样问题相关的基础概念和推理方法.此外,我们还旨在建立偏倚抽样问题与机器学习中关于分布转移问题的最新讨论之间的联系.我们还将深入探讨偏倚抽样的最新进展,特别是在转移学习和预测置信区间的符合推理方面.我们的最终目标是以一种对研究生易于理解的方式呈现这些材料,使他们能够在自己的研究工作中识别偏倚抽样问题的应用.我们怀着深深的敬意和感激之情,将本文献给已故的茆诗松教授,他多年来的指导和智慧对我们至关重要.