224 Arbeiten
Die Autoren zeigen, dass für eine breite Klasse von stochastischen Bewertungsfunktionen effizient berechenbare, diskretisierte Verteilungen mit einer kleinen Stützmenge existieren, die eine konstante Approximation der wahren Bewertung für Teilmengen beliebiger Größe liefern und somit komplexe Optimierungsprobleme skalierbar machen.
Die Autoren stellen einen einfachen Ansatz vor, der durch den Ersatz des üblichen Posterior durch eine intuitive Alternative eine zuverlässige Unsicherheitsquantifizierung für Bayes'sche Inferenz in misspezifizierten oder approximativen Modellen sowie für generalisierte (Gibbs-)Posteriors ermöglicht.
Diese Arbeit stellt eine robuste Bayes'sche Methode zur Konstruktion genetischer Risikoscores vor, die durch die Projektion von Zusammenfassungsstatistiken die Posterior-Integrität bei der Kombination heterogener Daten sicherstellt und durch die Einführung eines flexiblen „Bayesian Bridge"-Priors eine überlegene Leistung bei der Risikovorhersage erzielt.
Das Paper stellt DELVE vor, eine spektrale Graph-Filtermethode, die in unsupervised multimodalen Datensätzen modality-spezifische latente Variablen extrahiert, indem sie Unterschiede in den Konnektivitätsmustern nutzt, um gemeinsame Signale zu unterdrücken und modality-spezifische Komponenten zu bewahren.
Die Arbeit stellt ein Modell für Netzwerkzeitreihen vor, das mittels einer euklidischen Spiegelkurve und spektraler Schätzung auch kontinuierliche, aber in ihrer Änderungsrate variierende Übergänge (First-Order-Changepoints) zuverlässig lokalisiert, was durch Beispiele aus organoiden Netzwerken untermauert wird.
Dieser Artikel entwickelt ein theoretisches Rahmenwerk und nichtparametrische Identifikationsformeln, um die Herausforderungen bei der Vorhersage kausaler Effekte zukünftiger Interventionen zu bewältigen, indem er die Transportierbarkeit von Wirkungen über die Zeit unter Berücksichtigung zeitvariabler Störfaktoren formalisiert.
Diese Studie nutzt persistente Homologie auf einem gefilterten Zeugenkomplex, um Lücken in der Abdeckung von Kühlzentren zu identifizieren und vergleicht diese topologische Methode mit dem herkömmlichen Hitze-Verwundbarkeitsindex, um ein umfassenderes Verständnis der Hitzegefährdung in verschiedenen US-Städten zu ermöglichen.
Diese Studie erweitert das Nested Error Regression-Modell mit hochdimensionalen Parametern (NERHDP) um einen effizienten Schätzalgorithmus und robuste Verfahren zur Unsicherheitsquantifizierung, um die Genauigkeit und Skalierbarkeit von Armutsindikatoren für kleine Gebiete unter Berücksichtigung von Heterogenität zu verbessern, was anhand von Daten aus Albanien demonstriert wird.
Diese Arbeit stellt ein identifizierbares, eingeschränktes latentes Klassen-Modell für longitudinale polytome Daten mit kognitiven Attributen und Kovariaten vor, das auf einem zeitinhomogenen Hidden-Markov-Prozess basiert und dessen Wirksamkeit durch Simulationen sowie Anwendungen auf Mathematiktest- und Emotionsdaten nachgewiesen wird.
Dieses Paper stellt parallele Algorithmen zur Simulation von gradientenfreien Metropolis-Markov-Ketten vor, die durch die Nutzung von Picard-Abbildungen die Konvergenzgeschwindigkeit in hochdimensionalen Problemen signifikant beschleunigen und dabei lediglich punktweise Auswertungen der Log-Wahrscheinlichkeitsdichte benötigen.
Diese Arbeit stellt einen einstufigen, datenschutzkonformen Rahmen für die Zeit-bis-zum-Ereignis-Analyse in federierten Umgebungen vor, der Pseudo-Beobachtungen und eine entzerrte Schätzung nutzt, um flexible Link-Funktionen und nicht-proportionale Risiken zu ermöglichen, ohne dass sensible Patientendaten ausgetauscht werden müssen.
Dieses Papier charakterisiert die Palm-Verteilungen überlagerter unabhängiger Punktprozesse durch eine einfache Mischungsrepräsentation und nutzt dieses Ergebnis für statistische Anwendungen wie die Parameterschätzung bei korrupten Prozessen sowie für likelihood-basierte Inferenz bei Shot-Noise-Cox-Prozessen.
Das Paper stellt das R-Paket DESA vor, das Schulabwesenheitsdaten nutzt, um Influenza-Epidemien frühzeitig zu modellieren, Alarme auszulösen, deren Aktualität zu bewerten und Simulationen für die öffentliche Gesundheitsforschung zu ermöglichen.
Die vorgestellte Arbeit schlägt eine intuitive und einfach zu implementierende Methode auf Basis des Rejection Sampling vor, um statistische Tests beliebiger Dimension zu finden, die in Simulationen eine mit den gleichmäßig besten (unverzerrten) Tests vergleichbare Leistungsfähigkeit und eine hohe Güte der Anpassung aufweisen.
Diese Arbeit verbessert die klassische Cramér-Rao-Schranke im nicht-asymptotischen Regime durch eine geometrische Verfeinerung, die die extrinsische Krümmung der statistischen Modellmannigfaltigkeit im Hilbertraum unter Verwendung der Faà-di-Bruno-Formel und der Bell-Polynome berücksichtigt, um präzisere untere Schranken für die Varianz von Schätzern zu erhalten.
Diese Arbeit leitet eine vektorielle Verallgemeinerung des gekrümmten Cramér-Rao-Unterschreitungsgrenzen im nicht-asymptotischen Regime her, indem sie extrinsische Geometrie und Sum-of-Squares-Optimierung nutzt, um die Limitationen klassischer zweiter Ordnungskorrekturen bei der Schätzung in gekrümmten statistischen Familien aufzulösen und präzisere, richtungsabhängige Schranken zu etablieren.
Die Studie stellt ein neuartiges semi-parametrisches Verfahren zur Modellierung bedingter Copulas vor, das Bayesianische Additive Regressionsbäume (BART) mit einem verlustbasierten Prior zur Reduzierung der Komplexität und einem adaptiven Reversible-Jump-MCMC-Algorithmus kombiniert, um komplexe Abhängigkeitsstrukturen unter externen Einflüssen präzise zu erfassen.
Die Arbeit stellt ein allgemeines Rahmenwerk für „Central Subspace Data Depths" vor, die multivariate Daten nach ihrem Abstand zu einem Unterraum statt zu einem einzelnen Punkt ordnen, um Symmetrie bezüglich dieses Unterraums zu erfassen und Anwendungen wie die Dimensionsreduktion oder Betrugserkennung zu unterstützen.
Diese Arbeit erweitert die Definition der mehrdimensionalen Dickman-Verteilung auf vektorwertige Zufallsgrößen, charakterisiert sie als Fixpunkte einer affinen Transformation mit einer Matrixexponential-verteilten Zufallsmatrix und beweist deren unendliche Teilbarkeit sowie Operator-Selbstzerlegbarkeit, während zudem Fälle identifiziert werden, in denen diese Verteilung als Grenzwert auftritt.
Der Autor kritisiert, dass die Anwendbarkeit der vorgeschlagenen „hippokratischen Nutzenfunktion", die zwischen durch Unterlassung und durch Behandlung geretteten Leben unterschiedlich gewichtet, durch ein Gegenbeispiel eingeschränkt wird.