97 Arbeiten
Diese Studie analysiert NBA-Schiedsrichterdaten und stellt fest, dass zwar eine Heimvorteilsverzerrung besteht, jedoch keine Belege für negative Vorurteile gegenüber bestimmten Spielern, Teams oder aufgrund der Rasse gefunden wurden.
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 Arbeit stellt einen unüberwachten Prognostik-Rahmen vor, der mittels eines Expectation-Maximization-Algorithmus und gewichteter funktionaler Regression sowohl latente Ausfallmodi identifiziert als auch informative Sensoren auswählt, um die verbleibende Nutzungsdauter in autonomen Tiefraumhabitaten unter Bedingungen ungelabelter Daten und unbekannter Ausfallmechanismen präzise vorherzusagen.
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 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.
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.
Diese Studie zeigt, dass die Sichtbarkeit von Domänen in generativen Suchmaschinen aufgrund ihrer inhärenten Nichtdeterministik erheblichen Schwankungen unterliegt und daher anstelle von einzelnen Punktwerten statistisch fundierte Unsicherheitsschätzungen und Konfidenzintervalle erfordert, um aussagekräftige Vergleiche zu ermöglichen.
Die Studie stellt eine interpretierbare Methode zur Unsicherheitsquantifizierung für kritische Energiesysteme während zusammengesetzter Extremwetterereignisse vor, die auf dem BMW-GAM-Workflow mit Gaußscher Copula basiert und probabilistische Simulationen von Klimavariablen ermöglicht.
Das Paper stellt AgroDesign vor, ein Python-Framework, das experimentelle Versuchspläne in der Landwirtschaft direkt in statistische Modelle übersetzt, um die Reproduzierbarkeit zu erhöhen und die Gefahr fehlerhafter Schlussfolgerungen durch manuelle Modellierung zu minimieren.
Die Studie stellt MM-test vor, eine verteilungsfreie Methode zur Identifizierung räumlich variabler Gene in räumlicher Transkriptomik, die mithilfe eines Quasi-Likelihood-Ratio-Tests und einer Knockoff-Prozedur die Falsch-Entdeckungsrate kontrolliert und sich durch überlegene Leistung sowie theoretische Garantien sowohl bei 2D- als auch bei 3D-Datensätzen auszeichnet.
Der Artikel stellt ein einheitliches Framework zur Anomalieerkennung vor, das Anomalien als Beobachtungen mit ungewöhnlich niedriger Wahrscheinlichkeit definiert und deren Erkennung durch die Schätzung der oberen Schwänze einer Surprisal-Verteilung mittels robuster empirischer oder Extremwert-Methoden auf komplexe Daten anwendbar macht.
Das Papier stellt CERES vor, ein automatisiertes, probabilistisches Frühwarnsystem, das wöchentlich aktualisierte, öffentlich verifizierbare Wahrscheinlichkeitsprognosen für akute Nahrungsmittelunsicherheit in 43 Hochrisikoländern erstellt und dabei sechs Datenströme mittels eines logistischen Bewertungsmodells kombiniert.
Diese Studie stellt einen neuen Ansatz vor, der Hierarchische Zerlegungs-Priors in bayesianische Artenverteilungsmodelle integriert, um die Varianzpartitionierung in ökologische, räumliche und zeitliche Effekte transparenter zu gestalten und gleichzeitig eine vergleichbare Vorhersagegenauigkeit zu gewährleisten.
Die Studie zeigt, dass das Fortschreiten der radiologisch nachgewiesenen Pleuroparenchymalen Fibroelastose (PPFE) in zwei großen Lungenkrebs-Screening-Kohorten unabhängig mit einer erhöhten Sterblichkeit und negativen klinischen Ergebnissen assoziiert ist.
Diese Arbeit untersucht die Verteilungsstabilität eines sparse Schätzers für die Inverse Kovarianzmatrix unter kontaminierten Daten, indem sie explizite lokale Lipschitz-Schranken für die Distanz zwischen den Verteilungen des Schätzers mittels der Kantorovich-Metrik herleitet und diese Ergebnisse auf Standard-Kovarianzschätzer sowie numerische Experimente und Anwendungen überträgt.
Diese Arbeit untersucht, wie böswillige KI-Anbieter durch mathematisch fundierte Manipulationen scheinbar faire und repräsentative Datensätze erzeugen können, um Compliance-Audits zu täuschen, und entwickelt darauf aufbauend statistische Methoden zur Erkennung solcher Täuschungsversuche.
Diese Studie vergleicht imputationsbasierte Methoden (MICE) mit generativen Modellen wie VAEs und CTGANs für die synthetische Datengenerierung in der Tarifgestaltung und zeigt, dass MICE-Modelle bei geringerer Implementierungskomplexität eine hohe Datenqualität und Konsistenz bei GLM-Modellen bieten.
Die Studie nutzt Bayes'sche Inferenz und generalisierte Extremwert-Regression, um auf Basis von CMIP6-Modellen vorherzusagen, dass die 100-jährigen Rückkehrwerte für extreme Hitze und Kälte in den Wüstenregionen der Erde über das nächste Jahrhundert mit zunehmender Klimabelastung signifikant ansteigen werden.
Die Studie nutzt bayessche kausale Inferenz auf Satellitendaten, um nachzuweisen, dass die massive Expansion der Nickelverarbeitung im indonesischen Morowali-Industriepark zu einer signifikanten Verschlechterung der Küstentrübung und damit zu einer Bedrohung für marine Ökosysteme geführt hat.
Dieser Beitrag stellt einen nichtparametrischen Dichteschätzer für kompositionelle Daten auf dem Simplex unter dem Vorhandensein zufällig fehlender Werte vor, der auf einer adaptiven Dirichlet-Kernel-Methode mit Inverse-Probability-Weighting basiert und in Simulationen sowie einer Anwendung auf NHANES-Daten eine überlegene Leistung gegenüber herkömmlichen Transformationen zeigt.