441 Arbeiten
Dieses Paper schlägt eine leistungsorientierte CUPAC-Methodik für Switchback-Experimente mit ungleichen Clustergrößen vor, welche die statistische Power verbessert, indem sie gezielt das Gleichgewicht der Rauschvorhersage zwischen und innerhalb von Randomisierungseinheiten anstrebt, anstatt lediglich auf die allgemeine Vorhersagegenauigkeit abzuzielen.
In dieser Studie wurde das Disaster Preparedness Evaluation Tool (DPET) unter 152 saudischen Rettungsassistenten-Studenten psychometrisch evaluiert, wobei das ursprüngliche 36-Item-Instrument zu einer robusten, vierfaktorischen, 24-Item-Struktur mit hoher interner Konsistenz verfeinert wurde, um die Katastrophenvorsorge in Populationen des Rettungsdienstes besser zu bewerten.
Diese Studie schlägt ein Framework zur Unsicherheits- und globalen Sensitivitätsanalyse (UA-GSA) vor, um zu bewerten, wie Unsicherheiten in Nachfrage, Angebot und Reiseimpedanz die auf 2SFCA basierenden Schätzungen der urbanen Parkerreichbarkeit in Seoul beeinflussen, wobei aufgezeigt wird, dass die räumlichen Muster zwar konsistent bleiben, die dominanten Quellen der Unsicherheit jedoch über Raum und Zeit hinweg signifikant variieren.
Diese Studie evaluiert quantitativ verteiltes Rechnen, Subsampling und Minibatch-Optimierung für die groß angelegte statistische Analyse und stellt fest, dass, während verteilte Methoden die Power bei hohen Kosten steigern und Subsampling Ressourcen einspart, jedoch mit Grenzen in der Skalierbarkeit verbunden ist, die Minibatch-Optimierung die beste Gesamtabwägung zwischen Geschwindigkeit, Ressourceneffizienz und Genauigkeit bietet.
Dieses Paper führt ein von der Kosmologie inspiriertes Zuverlässigkeitsframework ein, das deterministische Perturbationsschranken und mehrstufige Zulassungsgatter verwendet, um die Genauigkeit des Spektral-Clusterings auf Graph-Laplacians zu zertifizieren, wobei nachgewiesen wird, dass Richtungszertifikate und amplituden-uniforme Gatter skalare Residuen bei der Validierung der Eigenvektorstabilität unter diskretem Rauschen übertreffen.
Dieses Paper schlägt eine Semi-Berry-Approximation vor, die skalenhomogene Zufallsvariablen basierend auf dem Lyapunov-Verhältnis in Gauß-aggregierte und simulationszielgerichtete Gruppen unterteilt, wodurch die Fehler bei den Tail-Quantilen und die Rechenkosten im Vergleich zu Standard-Normal-Approximationen oder vollen Monte-Carlo-Simulationen signifikant reduziert werden.
Dieses Papier schlägt einen robusten Bootstrap-Test für bidirektionale Granger-Kausalität in Gaußschen VAR-Modellen vor, der ungeklärte gegenseitige Information, ein Intersection-Union-Verfahren und die Huber-M-Schätzung nutzt, um Lücken in Bezug auf die Gültigkeit in endlichen Stichproben, die Unterscheidung der kausalen Richtung und die Sensitivität gegenüber Ausreißern zu adressieren.
Dieses Paper führt die Topologische Kausale Datenanalyse (Topological Causal Data Analysis, TCDA) ein, ein Framework, das stabile topologische Zusammenfassungen mit kausaler Inferenz integriert, um strukturierte Ergebnisse wie Bilder und Netzwerke zu analysieren, wobei Identifikations-, Schätzungs- und Konsistenzergebnisse sowohl für individuelle als auch für Verteilungs-Ebene-kausale Effekte bereitgestellt und die Grenzen der Topologie bei der kausalen Entdeckung geklärt werden.
Das Papier stellt DiSAH vor, einen kommunikationseffizienten, nicht-iterativen föderierten Algorithmus, der die Multi-Site-Schätzung von Hazard-Differenzen für die Überlebensanalyse ermöglicht, ohne Patientendaten auf Einzelebene zu teilen, wobei eine Genauigkeit erreicht wird, die mit zentralisierten Modellen vergleichbar ist und traditionelle Meta-Analysen sowie lokale Ansätze übertrifft.
Dieses Paper schlägt ein regelbewusstes Bayessches Framework vor, das verborgene Präferenzen von Menschenmengen in hybriden Experten-Crowd-Systemen rekonstruiert, indem es latente Nutzen durch dynamische inverse Präferenzprobleme modelliert, was die Auditierung von Aggregations-Trade-offs und die Evaluierung kontrafaktischer Entscheidungsprotokolle über 33 Saisons von im Fernsehen übertragenen Wettbewerbsdaten ermöglicht.