441 Arbeiten
Dieses Paper schlägt ein Deep-Learning-Framework vor, das multiplikatives Ensembling von neuronalen Netzen (MLA-MoS-1 und MLA-MoS-2) nutzt, um das amerikanische Double-Heston-Modell sowohl unter konstanten als auch unter stochastischen Zinssätzen simultan zu lösen und dabei die vorzeitige Ausübungsgrenze, Optionswerte sowie die Greeks effektiv vorherzusagen.
Diese Studie schlägt eine neuartige Familie von verallgemeinerten Sinustyp- und Exponential-Sinus-Typ-Schätzern für den Median einer endlichen Grundgesamtheit unter einfacher Zufallsauswahl ohne Zurücklegen vor und evaluiert diese, wobei sie durch theoretische Analysen, Simulationen und reale Daten nachweist, dass diese Methoden durch die Nutzung von Hilfsinformationen zur Reduzierung des mittleren quadratischen Fehlers die traditionellen Schätzer signifikant übertreffen.
Dieses Paper stellt swNIsim vor, ein flexibles, simulationsbasiertes R-Paket, das die Potenzberechnung für Nichtunterlegenheits-Stepped-Wedge-Cluster-randomisierte Studien ermöglicht, indem es vielfältige Designmerkmale, Ergebnistypen und Analysestrategien berücksichtigt, während es durch Simulationen zeigt, dass die Erhöhung der Zeitperioden und die Ausbalancierung der Cluster-Zuweisung die statistische Power verbessert.
Dieses Paper führt die Lokale Distributionale Kalibrierung ein, eine nichtparametrische Methode, die aus räumlichen Ensembles kohärente vollständige prädiktive Verteilungen an ungesampelten Orten ableitet, um präzise Überschreitungswahrscheinlichkeiten für heterogene Umweltfelder bereitzustellen, wobei sie traditionelle Kriging-Ansätze durch die Korrektur von Unterdispersion und die Eliminierung von Ordnungsrelationsverletzungen übertrifft.
Dieses Tutorial präsentiert einen reproduzierbaren, codegestützten Workflow zur Durchführung einer Mediationsanalyse mit geclusterten Daten in der Gesundheitspsychologie, demonstriert anhand einer Multiwellenstudie über China, die makroebene Umweltfaktoren mit mikroebener sozialer Partizipation und suizidaler Vulnerabilität verknüpft, während gleichzeitig statistische Herausforderungen wie Clustering und multiples Testen adressiert werden.
Diese Studie schlägt ein statistisches Intelligenz-Framework vor und evaluiert dieses zur Messung der digitalen Transformation im öffentlichen Sektor der Region Kurdistan im Irak, wobei Sekundärdaten und verschiedene statistische Methoden genutzt werden, um eine moderate Gesamtleistung von 4,60/7 aufzuzeigen, mit hoher Kompetenz bei den digitalen Identitätskapazitäten, aber erheblichem Verbesserungspotenzial bei der Dienstleistungszugänglichkeit.
Dieses Papier schlägt eine einfache, recheneffiziente Kollinearitäts-Teststatistik für Hypothesentests in hochdimensionalen generalisierten linearen Modellen vor, die auch dann effektiv bleibt, wenn die Anzahl der Prädiktoren die Stichprobengröße übersteigt, und die im Vergleich zu klassischen Wald- und Likelihood-Ratio-Tests eine überlegene statistische Power aufweist, insbesondere in Szenarien mit spärlichen Alternativen.
Dieses Paper präsentiert eine Erweiterung des Open-Source-R-Pakets saemix zur Anpassung nicht-gaußscher nichtlinearer gemischter Modelle und demonstriert dessen Flexibilität und Genauigkeit durch diverse reale Anwendungen sowie eine Simulationsstudie zu wiederholten binären Daten.
Diese Studie bestimmt analytisch und rechnerisch die optimalen periodischen Testintervalle für eine einzelne Standby-Einheit, indem sie den Kompromiss zwischen der Exposition gegenüber verborgenen Fehlern und der Offline-Servicezeit modelliert, während sie quantifiziert, wie die wiederholte Detektionsunsicherheit und die Einbeziehung periodischer Volltests die allgemeine Systembereitschaft beeinflussen.
Dieses Paper präsentiert EduVision DV, eine reproduzierbare Datenpipeline und ein interaktives Tableau-Dashboard-System, das mehrere Universitätsranking-Datensätze mit Bildungsindikatoren der Weltbank integriert und harmonisiert, um einen systemübergreifenden Vergleich zu ermöglichen und gleichzeitig die zugrunde liegenden Datenqualitätsbeschränkungen, wie geschätzte Werte und Konstanten, explizit offenzulegen.