97 artículos
Este trabajo propone un método práctico basado en estimadores de densidad de núcleo (KDE) para cuantificar el riesgo de divulgación de pertenencia en datos sintéticos tabulares, demostrando mediante evaluaciones empíricas que supera a enfoques anteriores al permitir una caracterización precisa del riesgo sin necesidad de modelos sombra computacionalmente costosos.
Este artículo propone un nuevo marco basado en el Valor de Shapley Restringido de Jugador (PRS) y el concepto de Acción Esperada de Gol (xGA) para cuantificar de manera más precisa y cooperativa la contribución individual de los jugadores en las acciones de tiro del fútbol, integrando las interacciones del equipo y las redes de pases en el análisis de rendimiento.
Este artículo propone un enfoque de Verosimilitud Sintética Bayesiana (BSL) para la Meta-regresión de Red Multinivel (ML-NMR) que, mediante la imputación de covariables faltantes y el uso de estadísticos de resumen subgrupales dentro del marco de Hamiltonian Monte Carlo, mejora significativamente las comparaciones indirectas de tratamientos al aprovechar información ancilar que los métodos estándar no pueden utilizar.
Este artículo propone un enfoque basado en modelos de frecuencia mixta para superar la pérdida de información derivada de la agregación temporal y mejorar la predicción del tipo de cambio CAD/USD, abordando así el acertijo de Meese y Rogoff sobre la imprevisibilidad de las fluctuaciones cambiarias.
Los autores proponen un modelo estocástico de ecuaciones diferenciales que integra datos de movimiento individual y distribución poblacional para analizar la dinámica espacial de las águilas reales, permitiendo estimar riesgos para proyectos eólicos y predecir sus ubicaciones anteriores con mayor precisión que los métodos tradicionales.
Este artículo propone un nuevo test omnibus de bondad de ajuste para distribuciones continuas univariadas basado en momentos trigonométricos que, al aprovechar la estructura de covarianza de los estadísticos, garantiza una distribución asintótica bajo la hipótesis nula incluso con parámetros de molestia, ofreciendo un procedimiento preciso y de fácil implementación para 11 familias de distribuciones.
Este artículo presenta un algoritmo secuencial basado en pruebas de tipo Cochran y un método de remuestreo múltiple para agrupar centros en estudios multicéntricos, demostrando teóricamente y validando empíricamente su capacidad para recuperar la partición verdadera de heterogeneidad de parámetros a partir de estadísticas resumidas.
Este artículo propone un marco de planificación de capacidad basado en datos que utiliza un modelo de colas con tasas de llegada y distribuciones de estancia variables en el tiempo para superar las limitaciones de las reglas estáticas y mejorar la precisión en la estimación de la ocupación de camas en unidades de cuidados intensivos neonatales.
Este artículo presenta límites probabilísticos conservadores para el espectro de la matriz de admitancia y modelos de flujo de potencia lineal bajo incertidumbre en los parámetros de la red, utilizando desigualdades de concentración para matrices aleatorias y demostrando que estos límites escalan en función de la criticidad nodal.
Este artículo propone una reordenación algebraica intuitiva de la descomposición de la covarianza de Yates para la puntuación Brier, que expresa el error de pronóstico probabilístico como la suma de tres términos no negativos (desajuste de varianza, déficit de correlación y error de calibración global), haciendo así transparentes las condiciones de optimalidad para un pronóstico perfecto.
Este artículo presenta un diseño adaptativo de dos etapas para ensayos aleatorizados por conglomerados que permite la reestimación del tamaño muestral y el cese temprano, optimizando la eficiencia y los costos mediante un enfoque de optimalidad de Pareto que considera la incertidumbre en los parámetros de correlación y las decisiones de diseño multidimensionales.
El artículo presenta behavior-dLDS, un modelo de sistemas dinámicos lineales descompuestos que permite disociar las dinámicas neuronales relacionadas con el comportamiento de las computaciones internas en grandes poblaciones de neuronas, demostrando su eficacia tanto en datos simulados como en grabaciones a gran escala de un pez cebra.
Este artículo propone un enfoque estadístico basado en pruebas de hipótesis para sostener la cooperación en juegos repetidos con monitoreo imperfecto, demostrando que estrategias de "probar y castigar" permiten alcanzar un teorema folk bajo condiciones de paciencia suficiente, incluso cuando las desviaciones no pueden identificarse con certeza.
Este estudio del programa "All of Us" demuestra que el monitoreo continuo mediante dispositivos portátiles revela una disminución progresiva de la actividad física antes de las artroplastias de rodilla y cadera, seguida de una recuperación escalonada que se estabiliza a los dos años, destacando la importancia de la reserva funcional preoperatoria para optimizar la gestión perioperatoria.
Este artículo presenta y evalúa dos estrategias de localización para un esquema de asimilación de datos basado en MCMC secuencial (SMCMC) que, al evitar la degeneración de pesos y manejar eficazmente ruido no gaussiano y no linealidad, demuestra un rendimiento superior al filtro de Kalman transformado local (LETKF) en modelos geofísicos de alta dimensión, incluyendo aplicaciones con datos reales de las misiones SWOT y boyas oceánicas.
Este artículo propone un modelo de procesos de Hawkes multivariados que combina excitación aditiva e inhibición multiplicativa para analizar la comunicación acústica animal, demostrando su eficacia mediante inferencia bayesiana en datos de suricatas y ballenas barbadas.
Este tutorial presenta un enfoque bayesiano de dos pasos para cuantificar la incertidumbre en datos de compresión por choque, permitiendo generar múltiples curvas de Hugoniot consistentes con las mediciones experimentales y demostrando su superioridad interpretativa y computacional frente a métodos tradicionales como la regresión por mínimos cuadrados y el *bootstrapping*.
Esta revisión sistemática ofrece una visión general de los modelos que combinan el agrupamiento de pacientes basado en covariables con modelos de resultados en estudios clínicos, distinguiendo entre enfoques de agrupamiento informado y agnóstico, y destacando su utilidad para la estratificación de riesgos y la estimación de efectos de tratamiento en poblaciones heterogéneas con covariables de alta dimensión.
Este estudio demuestra que el uso de descriptores topológicos de la dinámica de la elevación del pie, aplicados mediante análisis de datos topológicos y aprendizaje automático, mejora significativamente el diagnóstico diferencial entre la enfermedad de Parkinson idiopática y el parkinsonismo vascular.
Este artículo propone un modelo de campo aleatorio gaussiano espacial envuelto (WGMRF) para abordar los desafíos computacionales del modelado de datos direccionales a gran escala, demostrando mediante simulaciones y un caso de estudio sobre el tsunami de 2004 en el Océano Índico que este enfoque ofrece un rendimiento predictivo superior y una mayor escalabilidad en comparación con los métodos existentes.