224 artículos
El artículo presenta un método escalable y eficiente para aproximar funciones de valoración estocástica mediante distribuciones discretizadas de tamaño logarítmico, garantizando una aproximación constante para subconjuntos de tamaño limitado y facilitando así la resolución de problemas de optimización como la selección de conjuntos y la maximización del bienestar.
Los autores proponen un enfoque sencillo que logra una cuantificación precisa de la incertidumbre en inferencias bayesianas con modelos mal especificados o aproximados, sustituyendo la posterior habitual por una alternativa intuitiva que evita las aproximaciones gaussianas explícitas y los procedimientos de post-procesamiento.
Este artículo presenta un enfoque bayesiano robusto para la construcción de puntuaciones de riesgo poligénico (PRS) que resuelve el problema de la impropiedad posterior mediante una proyección de estadísticas resumen y propone un nuevo método, PRS-Bridge, basado en un prior de puente flexible que demuestra un rendimiento superior y consistente en diversos escenarios.
Este artículo presenta DELVE, un método espectral que utiliza filtros de grafos para aislar variables latentes específicas de cada modalidad en conjuntos de datos multimodales, atenuando las señales compartidas para revelar estructuras diferenciales únicas en dominios como la biología computacional.
Este artículo presenta un modelo para series temporales de redes que utiliza un "espejo euclidiano" para representar su evolución y demuestra que la estimación espectral de este espejo permite localizar eficazmente puntos de cambio de primer orden, incluso cuando la distribución del grafo evoluciona de forma continua pero con tasas variables.
Este artículo presenta un marco teórico y fórmulas de identificación no paramétricas para pronosticar los efectos causales de intervenciones futuras en una población futura, abordando los desafíos específicos de los confusores y modificadores de efecto que varían en el tiempo.
Este artículo propone el uso de la homología persistente aplicada a un complejo de testigos para identificar brechas en la cobertura de centros de enfriamiento y evaluar el riesgo de mortalidad por calor, demostrando que esta perspectiva topológica complementa eficazmente los índices tradicionales de vulnerabilidad térmica.
El artículo propone un marco robusto y eficiente para la predicción empírica óptima de indicadores de pobreza en áreas pequeñas mediante un modelo de regresión con errores anidados y parámetros de alta dimensión, el cual supera las limitaciones computacionales existentes, ofrece estimaciones sintéticas mejoradas para áreas no muestreadas y demuestra un rendimiento superior en sesgo y error cuadrático medio al aplicarse a datos de Albania.
Este artículo presenta un modelo oculto de Markov restringido de clases latentes para datos longitudinales con respuestas y atributos politómicos y covariables específicas del individuo, demostrando su identificabilidad, formulación bayesiana y eficacia mediante simulaciones y aplicaciones en datos de exámenes de matemáticas y estados emocionales.
Este artículo presenta algoritmos paralelos basados en mapas de Picard para simular cadenas de Markov Metropolis de orden cero que aceleran la convergencia en distribuciones log-cóncavas mediante el uso de evaluaciones puntuales del logaritmo de la densidad, demostrando su eficacia en problemas de alta dimensión como regresión, modelos epidemiológicos y medicina de precisión.
Este artículo presenta un marco federado de un solo paso para el modelado de tiempo hasta el evento que utiliza pseudo-observaciones y un procedimiento de desviación para ofrecer estimaciones precisas y flexibles de riesgos sin violar la privacidad de los datos, superando las limitaciones de las suposiciones de riesgos proporcionales y la heterogeneidad entre sitios.
Este artículo caracteriza las distribuciones de Palm de procesos puntuales superpuestos mediante una representación de mezcla y demuestra su utilidad para la inferencia estadística, específicamente en la estimación de contraste mínimo para procesos corruptos y en el análisis de procesos de Cox con ruido de disparo.
Este artículo presenta DESA, un paquete de R disponible en CRAN diseñado para modelar, detectar y evaluar alertas tempranas de epidemias de influenza utilizando datos de ausentismo escolar, además de ofrecer herramientas de simulación para la investigación en salud pública.
El artículo propone un nuevo método intuitivo y fácil de implementar basado en el muestreo por rechazo para encontrar pruebas estadísticas en dimensiones arbitrarias, el cual demuestra un poder estadístico comparable a las pruebas óptimas en diversos ejemplos empíricos y de simulación.
Este trabajo presenta un refinamiento geométrico del límite de Cramér-Rao en el régimen no asintótico que, al incorporar correcciones basadas en la curvatura de la variedad estadística mediante su incrustación en un espacio de Hilbert, permite mejorar rigurosamente este límite y sus variantes utilizando herramientas como la fórmula de Faà di Bruno y los polinomios de Bell exponenciales.
Este artículo presenta una generalización vectorial de la cota de Cramér-Rao corregida por curvatura en el régimen no asintótico, utilizando una perspectiva de geometría extrínseca y relajaciones de suma de cuadrados para establecer límites de estimación más precisos y geométricamente consistentes que superan las predicciones de varianza excesivamente optimistas de los métodos clásicos en modelos estadísticos curvos.
Este artículo propone un nuevo enfoque semiparamétrico para modelos de cópulas condicionales que utiliza árboles de regresión bayesianos aditivos (BART) con un prior basado en la pérdida para reducir la complejidad del árbol y un algoritmo adaptativo de Reversible Jump MCMC, demostrando su eficacia para recuperar estructuras de árboles reales y aproximar parámetros complejos en aplicaciones como el análisis de la dependencia entre la esperanza de vida y las tasas de alfabetización influenciada por el PIB.
Este artículo presenta un marco general para construir profundidades de datos que se maximizan en un subespacio, definiendo así un ordenamiento de centro a exterior desde dicho subespacio para distribuciones simétricas respecto a él, y analiza sus propiedades teóricas, convergencia asintótica y aplicaciones en reducción de dimensionalidad y detección de fraudes.
Este artículo extiende la definición de la distribución de Dickman a elementos aleatorios vectoriales, caracterizándolos como puntos fijos de una transformación afín específica y demostrando que poseen propiedades de divisibilidad infinita y auto-decomponibilidad operatoria, además de identificar casos en los que surgen como distribuciones límite.
El autor acepta la motivación ética de la función de utilidad propuesta, que prioriza salvar vidas al no imponer tratamientos dañinos sobre salvarlas mediante tratamientos, pero argumenta que su alcance de aplicabilidad es limitado.