stat.ME Arbeiten | Gist.Science

Random Dot Product Graphs as Dynamical Systems: Limitations and Opportunities

Diese Arbeit untersucht die Lernbarkeit von Differentialgleichungen in zeitlichen Random Dot Product Graphs, identifiziert fundamentale geometrische und statistische Hindernisse wie Eichfreiheit und Realisierbarkeit, entwickelt einen Rahmen auf Basis von Hauptfaserbündeln zur Charakterisierung der Dynamik und zeigt, wie symmetrische Dynamiken die Eichambiguität auflösen können, während die endliche Stichprobengrenze eine offene Herausforderung bleibt.

Giulio Valentino Dalla RivaMon, 09 Ma🤖 cs.LG

Robust Estimation of Location in Matrix Manifolds Using the Projected Frobenius Median

Dieses Papier stellt eine robuste Methode zur Schätzung von Lageparametern auf verschiedenen Matrix-Mannigfaltigkeiten vor, die auf dem projizierten Frobenius-Median basiert, und weist dabei sowohl theoretische Eigenschaften wie asymptotische Normalität als auch praktische Anwendbarkeit in Simulationen und realen Erdbeben-Datensätzen nach.

Houren Hong, Kassel Liam Hingee, Janice L. Scealy, Andrew T. A. WoodMon, 09 Ma📊 stat

Two Localization Strategies for Sequential MCMC Data Assimilation with Applications to Nonlinear Non-Gaussian Geophysical Models

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.

Hamza Ruzayqat, Hristo G. Chipilski, Omar KnioMon, 09 Ma📊 stat

On parameter estimation for the truncated skew-normal distribution

Die vorgestellte Arbeit entwickelt ein stabiles und genaues Gitter-basiertes Schätzverfahren namens GRID-MOM für die Parameter der abgeschnittenen schiefen Normalverteilung, das durch die Entkopplung der Formparameterschätzung von den Lage- und Skalierungsparametern numerische Instabilitäten überwindet und sich in umfangreichen Simulationen sowie praktischen Anwendungen bewährt hat.

Kwangok Seo, Seul Lee, Johan LimMon, 09 Ma📊 stat

A Hierarchical Bayesian Dynamic Game for Competitive Inventory and Pricing under Incomplete Information: Learning, Credible Risk, and Equilibrium

Diese Arbeit entwickelt ein hierarchisches bayessches dynamisches Spiel für wettbewerbsfähige Lagerhaltung und Preisgestaltung unter unvollständiger Information, das durch einen glaubwürdigen Risiko-Kriterium eine konservative Gleichgewichtslösung ermöglicht, die Lernen, Wettbewerb und Anpassung simultan vereint.

Debashis ChatterjeeMon, 09 Ma🔢 math

Simultaneously accounting for winner's curse and sample structure in Mendelian randomization: bivariate rerandomized inverse variance weighted estimator

Die Studie stellt den bivariaten RIVW-Schätzer (BRIVW) vor, der durch die gleichzeitige Berücksichtigung von Winner's Curse und Stichprobenstruktur mittels gemeinsamer Modellierung von SNP-Expositions- und SNP-Outcomes-Assoziationen präzisere kausale Effektschätzungen in der Mendelschen Randomisierung ermöglicht.

Xin Liu, Ping Yin, Peng WangMon, 09 Ma📊 stat

Clustering-Based Outcome Models for Clinical Studies: A Scoping Review

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.

Johannes Vilsmeier, Fabian Eibensteiner, Franz König, Francois Mercier, Robin Ristl, Nigel Stallard, Marc Vandemeulebroecke, Sarah Zohar, Martin PoschMon, 09 Ma📊 stat

Optimizing Complex Health Intervention Packages through the Learn-As-you-GO (LAGO) Design

Dieses Paper stellt das Learn-As-you-GO (LAGO)-Design vor, einen adaptiven Ansatz zur schrittweisen Optimierung komplexer Gesundheitsinterventionen während der Studie, um die Wirksamkeit zu maximieren und das Risiko des Scheiterns von klinischen Studien zu verringern, wie am Beispiel der BetterBirth-Studie und weiterer laufender Projekte demonstriert wird.

Donna Spiegelman (Center on Methods for Implementation,Prevention Science,,Department of Biostatistics, Yale University), Dong Roman Xu (Southern Medical University Institute for Global Health), Ante Bing (Department of Mathematics,Statistics, Boston University), Guangyu Tong (Section of Cardiovascular Medicine, Department of Internal Medicine, Yale University), Mona Abdo (Center on Methods for Implementation,Prevention Science,,Department of Biostatistics, Yale University), Jingyu Cui (Center on Methods for Implementation,Prevention Science,,Department of Biostatistics, Yale University), Charles Goss (Center for Biostatistics,Data Science, Washington University School of Medicine), John Baptist Kiggundu (Infectious Diseases Research Collaboration), Chris T. Longenecker (Division of Cardiology,Department of Global Health, University of Washington), LaRon Nelson (Yale School of Nursing, Yale University), Drew Cameron (Department of Health Policy,Management, Yale University), Fred Semitala (Infectious Diseases Research Collaboration,,Department of Medicine, Makerere University,,Makerere University Joint AIDS Program), Xin Zhou (Center on Methods for Implementation,Prevention Science,,Department of Biostatistics, Yale University), Judith J. Lok (Department of Mathematics,Statistics, Boston University)Mon, 09 Ma📊 stat

Large Wave Direction Data Modeling Using Wrapped Spatial Gaussian Markov Random Fields

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.

Arnab HazraMon, 09 Ma📊 stat

Variable selection in linear mixed model meta-regression with suspected interaction effects -- How can tree-based methods help?

Die Studie zeigt, dass stabilitätsselektierte, baumbasierte Methoden eine robuste Ergänzung zu klassischen linearen Verfahren für die Variablenselektion von Interaktionseffekten in Meta-Regressionen darstellen, insbesondere bei nichtlinearen Zusammenhängen oder zur Vorselektion, wobei lineare Verfahren bei strikt linearen Effekten überlegen bleiben.

Jan-Bernd Igelmann, Paula Lorenz, Markus PaulyMon, 09 Ma📊 stat

Bayesian Additive Distribution Regression

Die Arbeit stellt DistBART vor, einen bayesschen nichtparametrischen Ansatz für die Verteilungsregression, der BART-Prioritäten nutzt, um sowohl theoretische Konvergenzgarantien als auch skalierbare Inferenz durch Random-Feature-Approximation zu ermöglichen.

Antonio R. Linero, Soumyabrata Bose, Jared MurrayMon, 09 Ma📊 stat

Balancing Efficiency and Feasibility: A Sensitivity Analysis of the Augmentation Parameter in the Finite Selection Model

Diese Studie untersucht mittels einer Monte-Carlo-Simulation, wie der Augmentierungsparameter im Finite Selection Model die Schätzerleistung beeinflusst, und zeigt, dass moderate Werte die Kovariatenbalance verbessern, während übermäßige Werte die Varianz erhöhen und die Stabilität verringern können.

Safaa K. KadhemMon, 09 Ma📊 stat

Predictive Distributions and the Transition from Sparse to Dense Functional Data

Diese Arbeit untersucht die Konvergenz von prädiktiven Verteilungen für funktionale Hauptkomponenten-Scores von spärlich zu dicht abgetasteten longitudinalen Daten, zeigt unter der Annahme von Normalverteilung das Schrumpfen dieser Verteilungen auf die wahren Scores und leitet asymptotische Konvergenzraten für funktionale lineare Modelle ab.

Álvaro Gajardo, Xiongtao Dai, Hans-Georg MüllerFri, 13 Ma📊 stat

Testability of Instrumental Variables in Additive Nonlinear, Non-Constant Effects Models

Diese Arbeit stellt eine auf Hilfsvariablen basierende Unabhängigkeitsprüfung (AIT) vor, um die Gültigkeit von Instrumentvariablen in additiven nichtlinearen Modellen mit nicht-konstanten Effekten und unbeobachteten Störgrößen zu testen, wobei sowohl diskrete als auch kontinuierliche Behandlungen berücksichtigt werden.

Xichen Guo, Zheng Li, Biwei Huang, Yan Zeng, Zhi Geng, Feng XieFri, 13 Ma📊 stat

Parameter-Specific Bias Diagnostics in Random-Effects Panel Data Models

Dieser Beitrag stellt eine neue, parametterspezifische Bias-Diagnose für Random-Effects-Panel-Datenmodelle vor, die den Hausman-Test ergänzt, indem sie interne Schätzer der Verzerrung und Permutations-p-Werte aus einem einzigen angepassten Modell liefert.

Andrew T. KarlFri, 13 Ma📊 stat

Multi-view biclustering via non-negative matrix tri-factorisation

Die vorgestellte Arbeit stellt ResNMTF vor, einen neuartigen Multi-View-Biclustering-Ansatz auf Basis der nicht-negativen Matrix-Tri-Faktorisierung, der überlappende und nicht-exhaustive Bicluster ohne Vorwissen zur Anzahl identifiziert und durch die Einführung des Bissilhouetten-Scores eine neue Metrik zur Bewertung und Hyperparameter-Optimierung bietet.

Ella S. C. Orme, Theodoulos Rodosthenous, Marina EvangelouFri, 13 Ma📊 stat

Robust Covariate Adjustment in Multi-Center Randomized Trials

Die Studie entwickelt semiparametrisch effiziente Schätzer für die Behandlungswirkung in multizentrischen randomisierten Studien, die Cluster-Effekte berücksichtigen, um die Verzerrungen und Ineffizienzen zu vermeiden, die durch das Ignorieren der Zentrumsabhängigkeit bei herkömmlichen Methoden entstehen.

Muluneh Alene, Stijn Vansteelandt, Kelly Van LanckerFri, 13 Ma📊 stat

A practical identifiability criterion leveraging weak-form parameter estimation

Diese Arbeit stellt ein neues praktisches Identifizierbarkeitskriterium namens (e, q)-Identifizierbarkeit vor und kombiniert es mit einer effizienten, rauschrobusten Schätzmethode auf Basis schwacher Formen (WENDy), um die Parameteridentifizierbarkeit in biologischen Systemen mit nicht beobachteten Variablen schneller und zuverlässiger zu bewerten als herkömmliche Ansätze.

Nora Heitzman-Breen, Vanja Dukic, David M. BortzFri, 13 Ma🧬 q-bio

Measuring capacities in multimodal maritime port systems with anchorage queues

Diese Studie stellt einen Rahmen zur Unterscheidung und Berechnung von Betriebs- und Endkapazität multimodaler Seehäfen vor, der am Beispiel des Hafens von Houston zeigt, dass Flüssiggutterminals unter stabilen Bedingungen die Hauptengpässe darstellen, während nach Störungen die Pilotenverfügbarkeit zum limitierenden Faktor wird.

Debojjal Bagchi, Kyle Bathgate, Kenneth N. Mitchell, Magdalena I. Asborno, Marin M. Kress, Stephen D. BoylesFri, 13 Ma📊 stat

Beyond the Oracle Property: Adaptive LASSO in Cointegrating Regressions with Local-to-Unity Regressors

Diese Arbeit leitet neue asymptotische Ergebnisse für den adaptiven LASSO-Schätzer in Kointegrationsregressionen mit regressoren nahe der Einheitswurzel her und schlägt praktikable Konfidenzbereiche vor, die eine zuverlässige Abdeckung über den gesamten Parameterraum gewährleisten, während die herkömmliche „Oracle"-Eigenschaft in endlichen Stichproben oft zu ungenauen und zu kleinen Intervallen führt.

Karsten Reichold, Ulrike SchneiderFri, 13 Ma📈 econ

← Zurück Weiter →