97 Arbeiten
Diese Arbeit stellt eine praktische Methode vor, die Kernel-Dichteschätzer nutzt, um das Risiko der Mitgliedschaftsoffenlegung in tabellarischen synthetischen Daten zu quantifizieren und dabei effizientere und genauere Bewertungen als bisherige Ansätze ohne aufwändige Schattenmodelle ermöglicht.
Diese Studie stellt ein neuartiges Rahmenwerk vor, das die spieltheoretische Methode des eingeschränkten Shapley-Werts mit der erwarteten Torqualität (xGA) kombiniert, um den individuellen Beitrag von Fußballspielern zu Schussaktionen unter Berücksichtigung ihrer taktischen Kooperationsnetzwerke präzise zu messen.
Diese Arbeit stellt eine Bayesianische synthetische Likelihood-Methode vor, die mithilfe von Hamiltonian Monte Carlo in Stan implementiert wird, um multilevel Netzwerk-Meta-Regressionen durch die Einbeziehung von Subgruppen-Zusammenfassungen bei fehlenden individuellen Kovariaten zu verbessern.
Dieser Artikel schlägt einen gemischtfrequenten Ansatz zur Vorhersage von Wechselkursen vor, um die durch zeitliche Aggregation verursachten Informationsverluste zu überwinden und das Meese-Rogoff-Problem zu adressieren, wobei die Wirksamkeit der Methode anhand von CAD/USD-Prognosen nachgewiesen wird.
Diese Studie stellt ein integriertes, zeitvariierendes Ornstein-Uhlenbeck-Prozess-Modell vor, das Telemetriedaten von Steinadlern mit eBird-Vorkommensdaten kombiniert, um die Populationsdynamik über das gesamte Jahr zu modellieren und präzisere Vorhersagen für Windkraft-Risiken sowie die Herkunftsbestimmung von Individuen zu ermöglichen.
Die Autoren stellen einen neuen Omnibus-Test für die Anpassungsgüte univariater kontinuierlicher Verteilungen vor, der auf trigonometrischen Momenten basiert, die Kovarianzstruktur der Statistik voll ausnutzt und somit auch bei Vorliegen von Störparametern eine exakte asymptotische -Verteilung sowie eine hohe Teststärke bietet.
Diese Arbeit stellt einen sequenziellen, testbasierten Algorithmus namens „Clusters-of-Centres" vor, der auf multivariaten Cochran-Tests und einem Multi-Round-Bootstrap-Verfahren basiert, um heterogene Zentren in verteilten Studien automatisch zu gruppieren und dabei die wahre Partition mit hoher Wahrscheinlichkeit wiederherzustellen.
Die Studie stellt ein datengesteuertes Framework auf Basis von -Warteschlangenmodellen vor, um die Bettenkapazität in Intensivstationen unter Berücksichtigung schwankender Nachfrage und variabler Verweildauern präziser zu planen als mit statischen Heuristiken wie der 85%-Auslastungsregel.
Diese Arbeit stellt konservative Wahrscheinlichkeitsgrenzen für das Spektrum der Admittanzmatrix unter unsicheren Netzparametern vor, indem sie Konzentrationsschranken für Zufallsmatrizen nutzt, um Fehlerabschätzungen für gängige Power-Flow-Näherungen zu ermöglichen und die Skalierung dieser Unsicherheiten in Abhängigkeit von der Knotenkritikalität zu analysieren.
Die Arbeit stellt eine intuitive algebraische Umformung der Yates-Kovarianzzerlegung des Brier-Scores vor, die die Bedingungen für perfekte probabilistische Vorhersagen als gleichzeitige Übereinstimmung von Varianz, perfekter positiver Korrelation und Mittelwert der Ergebnisse transparent macht.
Diese Arbeit stellt eine adaptive Zwei-Stufen-Design-Methode für cluster-randomisierte Studien vor, die eine Stichprobengrößenanpassung, ein frühes Abbruchkriterium und eine Pareto-Optimierung zur effizienten Berücksichtigung von Unsicherheiten bei Korrelationsparametern sowie zur Umgestaltung von Interventionsmustern ermöglicht.
Die Arbeit stellt das behavior-decomposed linear dynamical systems (b-dLDS)-Modell vor, das großflächige neuronale Aktivität in verhaltensbezogene und interne latente Dynamiken zerlegt, um deren Beziehung zum Verhalten aufzuklären und dabei sowohl auf simulierten als auch auf großen zebrafisch-Hirndaten über bestehende Ansätze hinausgeht.
Die Arbeit entwickelt einen statistischen „Test-then-Punish"-Ansatz für wiederholte Spiele mit unvollkommener Überwachung, der durch die Einbettung von Hypothesentests in strategisches Verhalten und die Verwendung relaxierter Gleichgewichtsbegriffe zeigt, dass auch unter Unsicherheit über Abweichungen ein Folk-Theorem-Ergebnis erzielt werden kann.
Diese Studie nutzt vier Jahre lang kontinuierliche Fitbit-Daten aus dem „All of Us"-Programm, um zu zeigen, dass Patienten vor einer Hüft- oder Kniegelenks-Endoprothese einen fortschreitenden Aktivitätsrückgang erleiden, der sich postoperativ in drei Phasen (schnelle Besserung, verlangsamter Anstieg und Stabilisierung) erholt, wobei ein höherer präoperativer Aktivitätsstand die Wahrscheinlichkeit einer Rückkehr zum gewohnten Niveau erhöht.
Diese Arbeit stellt zwei lokalisierte Strategien für sequentielle MCMC-Datenassimilation vor, die in hochdimensionalen, nichtlinearen und nicht-gaußschen geophysikalischen Modellen die Effizienz steigern und die Robustheit gegenüber schweren Ausreißern im Vergleich zu Ensemble-Kalman-Filtern verbessern.
Die Studie stellt ein flexibles multivariates Hawkes-Prozess-Modell mit additiver Erregung und multiplikativer Inhibition vor, das zur Analyse zeitlicher Abhängigkeiten in tierischen akustischen Kommunikationssystemen, wie bei Erdmännchen und Buckelwalen, eingesetzt wird, um sowohl erregende als auch hemmende Interaktionen präzise zu quantifizieren.
Diese Arbeit stellt ein Tutorial vor, das eine zweistufige Bayes'sche Methode zur Unsicherheitsquantifizierung und zur Generierung mehrerer konsistenter Hugoniot-Kurven aus linearen Stoßwellendaten beschreibt, wobei die Vorgehensweise anhand von Argon-, Kupfer- und Nickel-Daten demonstriert und als interpretierbare, recheneffiziente und robuste Alternative zu Bootstrapping-Verfahren bewertet wird.
Diese Übersichtsarbeit fasst systematisch Methoden zusammen, die eine Clusterbildung von Patienten auf Basis von Kovariaten mit Ergebnismodellen kombinieren, um in klinischen Studien insbesondere bei heterogenen Populationen und hochdimensionalen Daten eine präzisere Risikostratifizierung und Subgruppenanalyse zu ermöglichen.
Die Studie zeigt, dass die Integration von Topologischer Datenanalyse mit maschinellem Lernen die Differenzialdiagnose zwischen idiopathischer Parkinson-Krankheit und vaskulärem Parkinsonismus durch die Analyse von Fußfreigang-Dynamiken signifikant verbessert.
Die Studie stellt ein skalierbares statistisches Modell auf Basis von gewickelten Gauß-Markov-Zufallsfeldern vor, das die effiziente Analyse großer räumlicher Richtungsdaten ermöglicht und sich in einer Anwendung auf die Wellenrichtungen des Tsunamis 2004 im Indischen Ozean als überlegen gegenüber bestehenden Methoden erwies.