本文研究了分布在多个机器上的数据的非参数平滑函数估计问题。研究结果显示，在不同的设置下，统计风险的渐近下限和匹配上限有所不同。当通信预算很小时，统计风险仅取决于通信瓶颈，而与样本量无关。在通信预算很大的情况下，与非分布式估计的经典极小风险相同。在一种中间机制中，统计风险取决于样本大小和通信预算。

本研究使用SHAP对模型解释进行了影响样本大小的研究，结果显示随着样本量的增加，解释逐渐趋于一致，集成方法具有更高的一致性，为信任解释提供了指导。需要进一步研究模型类型、数据领域和解释方法。

本研究使用SHAP对模型解释进行了影响样本大小的研究，结果显示随着样本量的增加，解释逐渐趋于一致。集成方法具有更高的一致性，为信任解释提供指导。需要进一步研究模型类型、数据领域和解释方法。

本文研究了使用单个社交网络的观测数据进行因果效应的估计和推断。考虑了样本大小增加时的依赖关系和信息传输。提出了对网络联系和结构的干预的新的因果效应，并重新分析了一个有争议的研究。在考虑网络结构后，没有发现因果同伴效应的证据。

本研究使用SHAP对Rashomon效应样本集中的模型进行解释，研究了样本大小对解释的影响。实验结果显示，随着样本量的增加，解释逐渐趋于一致。少于128个样本的解释具有高的变异性，限制了可靠的知识提取。集成方法通常具有更高的一致性。这些结果为信任解释提供了指导，但还需要更多研究来验证模型类型、数据领域和解释方法的收敛性。