97 artículos
Este estudio propone un nuevo método basado en datos de encuestas a hogares y modelos bayesianos para estimar y analizar las tasas de desplazamiento residencial a nivel subcondal en la región del Puget Sound Central entre 2016 y 2023, revelando variaciones geográficas y una moderación temporal durante 2020-2021.
Este estudio presenta un marco de radiómica enriquecido que integra características estructurales clásicas con nuevas características funcionales derivadas de mapas de patrones de realce en resonancia magnética hepática, logrando una superior clasificación diagnóstica y estratificación de riesgo de cáncer de hígado en comparación con los métodos tradicionales.
Este estudio introduce un análisis secuencial longitudinal espacialmente explícito de datos de conflictos en África (1997-2024) para identificar seis trayectorias recurrentes de violencia política y revelar su interdependencia espacial, superando así los modelos tradicionales que se centran únicamente en transiciones discretas.
El artículo presenta ResNMTF, un nuevo enfoque de biclustering multivista basado en la factorización no negativa de matrices que identifica automáticamente grupos de filas y sus características específicas por vista, y propone la puntuación bisilhouette como métrica intrínseca para su evaluación y ajuste de hiperparámetros.
Este artículo presenta un enfoque basado en ensembles de árboles para estimar distribuciones de probabilidad de futuros conflictos violentos a nivel de cuadrícula, superando las predicciones puntuales tradicionales y demostrando mejoras de rendimiento significativas al abordar la alta incertidumbre y la gran cantidad de ceros en los datos.
El artículo presenta FlowSN, un marco estadístico basado en inferencia por simulación y flujos normalizantes que corrige eficazmente los efectos de selección en la cosmología de supernovas tipo Ia, logrando estimaciones de parámetros cosmológicos significativamente menos sesgadas y mejor calibradas que las técnicas convencionales.
Este artículo presenta un marco de optimización unificado que permite aplicar pruebas de hipótesis estadísticamente válidas a datos recolectados mediante algoritmos de banditos multi-brazo, resolviendo el problema de los errores de tipo I y II bajo muestreo adaptativo y ofreciendo una metodología para equilibrar la recompensa acumulada con la eficiencia estadística según el costo de extensión experimental.
Este artículo presenta un estimador de Landy-Szalay potenciado por predicciones (PP-LS) que corrige los sesgos en la estimación de la función de correlación de dos puntos causados por datos contaminados, combinando etiquetas ruidosas de todo el catálogo con un subconjunto pequeño de etiquetas exactas espectroscópicas para lograr una inferencia de agrupamiento robusta y sin sesgos sin necesidad de calibración de probabilidades o modelado explícito de la contaminación.
Este estudio demuestra que las decisiones de aprobación basadas en umbrales fijos de capacidad de proceso (como ) presentan una inestabilidad inherente y un riesgo de error del 50% cuando el valor real se encuentra cerca del umbral, debido a la variabilidad estocástica de las estimaciones derivadas de tamaños de muestra moderados.
El artículo presenta el Aprendizaje Teleodinámico, un nuevo paradigma para la IA interpretable que, inspirado en sistemas vivos, formaliza el aprendizaje como un proceso dinámico acoplado de estructura, parámetros y recursos bajo restricciones, logrando en el motor Distinction Engine (DE11) resultados competitivos en benchmarks estándar mediante reglas lógicas que emergen endógenamente.
Este artículo propone un estimador doblemente robusto con corrección de varianza tipo jackknife HAC para realizar inferencia estadística espacialmente robusta y con intervalos de confianza válidos en escenarios de datos con etiquetas faltantes al azar (MAR) y dependencia espacial, abordando la distorsión en la estimación de la varianza causada por el cross-fitting.
Este artículo propone un método de Análisis de Componentes Principales Funcionales Multivariados para datos mixtos (FPCA), basado en un modelo de cópula gaussiana semiparamétrico, que permite identificar patrones temporales compartidos en datos de salud móvil de diversos tipos para estratificar subtipos de trastornos del estado de ánimo.
Este artículo propone la síntesis de regresión cuantílica bayesiana dinámica (DRQS) y su extensión multivariada con factores (FDRQS), métodos que combinan información de múltiples modelos para mejorar la previsión de cuantiles económicos, demostrando una mayor resiliencia durante periodos de estrés extremo como la pandemia de COVID-19.
Este artículo profundiza en el debate sobre la provisión de reclamaciones individuales, proponiendo una metodología basada en el método de cadena de escalera que busca superar las limitaciones de los enfoques existentes y establecer un nuevo estándar práctico para la reserva a nivel micro.
Este artículo amplía el estudio de la distribución Unit Teissier al derivar nuevas propiedades teóricas, como momentos y caracterizaciones, evaluar y comparar múltiples métodos de estimación mediante simulaciones, y demostrar su utilidad práctica mediante un conjunto de datos real.
Este artículo presenta un enfoque unificado que demuestra cómo las propiedades de independencia de los componentes en las estimaciones de varianza de la replicación balanceada (BRR) y el jackknife emparejado permiten derivar fórmulas prácticas para los grados de libertad efectivos, facilitando así la construcción de intervalos de confianza para totales poblacionales.
Este estudio de referencia evalúa modelos de supervivencia, destacando el modelo de riesgo discreto (DtH), para estimar la estructura temporal del riesgo de baja de préstamos bajo IFRS 9, concluyendo que, aunque supera a otros enfoques de dos etapas, un modelo de una sola etapa sigue siendo superior debido a la distribución en forma de L de la severidad de las pérdidas.
Este artículo propone un nuevo estimador robusto para la correlación policórica que, al minimizar una función de pérdida basada en la divergencia entre frecuencias observadas y teóricas sin asumir el tipo de error, ofrece una alternativa consistente y computacionalmente eficiente al método de máxima verosimilitud tradicional para manejar datos contaminados por respuestas descuidadas o violaciones de la normalidad latente.
Este artículo presenta un sistema de defensa aérea integrado basado en agentes que utiliza arquitecturas BDI y razonamiento de planes de nivel meta para automatizar la detección, evaluación de amenazas y asignación de armas sin intervención manual, ofreciendo una solución avanzada para el mando y control en la guerra centrada en redes.
Este artículo presenta un marco de modelado estocástico basado en la síntesis de evidencia bayesiana para estimar la transmisión de SARS-CoV-2 y la incidencia total de infecciones, evaluando métodos de inferencia como el MCMC Hamiltoniano y proponiendo herramientas de análisis vectorial y priores informativos para superar las limitaciones de los datos incompletos y apoyar la toma de decisiones.