2434 ورقة بحثية
تقوم حزمة **smartcor** للغتي البرمجة R وPython بأتمتة عملية اختيار طرق الارتباط أو التلازم الملائمة إحصائياً لأنواع المتغيرات المختلطة، وذلك عبر اكتشاف خصائص البيانات، ودعم 14 طريقة متميزة عبر جميع مجموعات أزواج المتغيرات، وتقديم تبرير شفاف لخياراتها.
تقترح هذه الورقة طريقة لدمج التنبؤات ذات التماسك الزمني التي تعالج في آن واحد عدم التماسك عبر مختلف المستويات الزمنية المختلفة وتستفيد من نقاط القوة لنماذج متعددة متنافسة لإنتاج تنبؤات لأسعار الكهربان ليوم-أمام لأسعار غير منحازة وذات تباين أدنى تتفوق بشكل كبير على الأساليب الحالية في الأسواق الألمانية والإسبانية.
تقترح هذه الورقة نموذجاً بايزياً هرمياً عاماً مقترناً بخوارزمية ماركوف مونت كارلو (MCMC) فعالة لحل المشكلات العكسية غير الخطية المعقدة التي تنطوي على ضوضاء جمعية وضربية وبيانات مبتورة، مما يظهر أداءً تنبؤياً وكفاءة حوسبية متفوقة مقارنة بالطرق التقريبية الحالية دون الحاجة إلى معايرة المعلمات الفائقة.
تقترح هذه الورقة تنفيذاً للخصوصية التفاضلية عالية الاعتلاج يستوفي ثوابت التجميع الخطي الإلزامية (مثل إجماليات الحالة) بيقين شبه تام، مع استنباط ضمانات خصوصية جديدة ومعالجة تساؤلات نظرية تتعلق بالفضاء الصفري لمصفوفات الارتباط.
تقدم هذه الورقة طريقة "V-fold jackknife" كبديل فعال حاسوبياً ومبرر نظرياً لطريقة "bootstrap" في الاستدلال شبه المعلمي، حيث تثبت صلاحيتها لإنشاء فترات الثقة والنطاقات المتزامنة عبر كل من المقدرات الخطية التقاربية القياسية والمعممة دون الحاجة إلى اشتقاق دالة التأثير.
تقترح هذه الورقة طريقة جديدة لخفض الأبعاد تعتمد على التدرج، تجمع بين الانحدار اللوجستي للجيران الأقرب الموضعي مع عقوبة لتقدير الفضاء الجزئي المركزي، مما يظهر أداءً فائقاً على المنافسين الحاليين في كل من مهام التصنيف الثنائي الاصطناعية والواقعية.
تتناول هذه الورقة غياب الأساس السببي الصارم في "سببية غرانجر" التقليدية من خلال إعادة تفسيرها عبر مبادئ "رايشنباخ" والشبكات البايزية السببية لاقتراح "سببية غرانجر المُسببة" (c-GC)، وهي خوارزمية ذات أسس نظرية تقدم إطاراً أكثر انضباطاً للاكتشاف السببي في البيانات السلاسل الزمنية الرصدية.
تقدم هذه الورقة إطار عمل CaDRe، وهو إطار موحد يحدد بشكل مشترك العلاقات السببية بين متغيرات المناخ المرصودة والقوى الدافعة الكامنة من البيانات السلاسل الزمنية، مما يوفر ضمانات قابلية التحديد النظرية ورؤى قابلة للتفسير لتحليل المناخ.
تقترح هذه الورقة طريقة لتعلم سياسات عشوائية عاملة وقابلة للتفسير من بيانات اقترانية، تعمل على تحسين النتائج المتوقعة في كل من حالات المتوسط والحالات التنافسية الحدية (minimax)، مع توفير تقدير كمي لليقين صالح تقاربيًا، وإظهار توافق فائق مع ديناميكيات الانتخابات التاريخية مقارنة بنهج المتوسط التقليدي.
تقدم هذه الورقة إطار عمل موحد يُسمى SCORE، يعمل على تعزيز القوة الإحصائية لطرق التحكم في معدل الاكتشاف الخاطئ (FDR) عبر الإنترنت القائمة على قيم ، وذلك من خلال استرداد الأدلة المهدورة عبر استردادات تجاوز الحد (overshoot refunds) وتمكين التحديثات الرجعية لثروة ألفا (alpha-wealth)، مع الحفاظ بدقة على التحكم الصالح في معدل الاكتشاف الخاطئ (FDR) في العينات المحدودة.