38 artículos
Este artículo presenta una implementación en Python de herramientas geométricas para el espacio de formas de Kendall en 3D, diseñadas para superar las limitaciones de la biblioteca Geomstats y facilitar el análisis de formas independiente de escala, posición y orientación en aplicaciones prácticas.
El artículo presenta ForwardFlow, un enfoque de inferencia estadística basado únicamente en simulaciones que utiliza una red neuronal profunda con estructura ramificada para resolver el problema inverso de estimación de parámetros, demostrando propiedades deseables como exactitud en muestras finitas, robustez ante contaminación de datos y la capacidad de aproximar algoritmos complejos como el EM.
Este artículo propone un estimador bayesiano jerárquico para la varianza en estratificación fina que, mediante estudios de simulación y análisis de datos reales, demuestra superar a los métodos existentes al ofrecer un menor sesgo y error cuadrático medio.
El artículo presenta el paquete de R `afttest`, que implementa procedimientos de ajuste basados en residuos de martingala para modelos semiparamétricos de tiempo acelerado de falla, introduciendo una nueva estrategia de remuestreo basada en aproximación lineal que reduce significativamente el tiempo de cálculo en comparación con el método de bootstrap multiplicador tradicional.
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 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 procedimiento de estimación semiparamétrico para modelos de efectos mixtos no lineales que utiliza splines penalizados y diferenciación automática mediante Template Model Builder, logrando un mejor rendimiento inferencial y una menor carga computacional en comparación con métodos existentes, como se demuestra en un estudio sobre el crecimiento de la altura en lactantes.
Este artículo propone un nuevo enfoque para el diseño óptimo de experimentos bayesianos por lotes basado en flujos de gradiente de Wasserstein, que transforma el problema de optimización en un espacio de medidas de probabilidad para obtener políticas de diseño escalables y eficaces en paisajes de optimización no convexos.
Este trabajo presenta un marco de análisis de errores de redondeo probabilístico que incorpora explícitamente la sesgabilidad y la varianza, ofreciendo cotas de confianza más precisas y adaptadas a regímenes de baja precisión donde los modelos deterministas tradicionales resultan excesivamente conservadores.
Este trabajo presenta un marco unificador que conecta los métodos de Monte Carlo Hamiltoniano (HMC) con los procesos de Markov deterministas por partes (PDMP) mediante dinámicas hamiltonianas "reboteantes", permitiendo la creación de muestreadores sin rechazo que combinan las ventajas de ambos enfoques y logran un rendimiento competitivo en problemas de inferencia bayesiana a gran escala.
Este artículo presenta un modelo de regresión con procesos gaussianos multinivel que, al aprovechar diseños de muestreo regular o parcialmente regular, deriva expresiones analíticas exactas y computacionalmente eficientes para ajustar grandes conjuntos de datos funcionales, superando las limitaciones de escalabilidad de las implementaciones estándar.
El estudio propone DisSim-FinBERT, un marco novedoso que integra la simplificación discursiva con el análisis de sentimientos basado en aspectos para mejorar la precisión de las predicciones de sentimiento y la extracción de mensajes clave en textos financieros complejos como las actas del Comité Federal de Mercado Abierto.
El artículo presenta BLAST, un marco de aprendizaje por transferencia bayesiano para regresión lineal de alta dimensión que combina priores de contracción global-local y selección adaptativa de fuentes para mejorar la inferencia y la cuantificación de la incertidumbre mientras se mitiga la transferencia negativa.
Este estudio presenta un modelo basado en redes que, al incorporar la estructura real de los campos de soja, demuestra que la eliminación temprana y dirigida de plantas infectadas es más efectiva para gestionar el mancha ojo de rana que los métodos tradicionales, ofreciendo así una guía científica para el control de esta enfermedad.
Este artículo presenta un enfoque bayesiano no paramétrico para modelar mezclas finitas con componentes no paramétricos, estableciendo condiciones de identificación, demostrando tasas de contracción posterior casi polinómicas para las densidades de los componentes y desarrollando un algoritmo MCMC eficiente para inferencia en datos simulados y reales.
El artículo presenta Latent-IMH, un método de muestreo eficiente para problemas inversos bayesianos con operadores costosos que utiliza una aproximación para generar variables latentes y un operador exacto para refinarlas, logrando una eficiencia computacional superior a métodos como NUTS al trasladar la mayor carga de cálculo a una fase previa.
Este artículo propone un nuevo método de regresión por mínimos cuadrados recortados que es robusto ante valores atípicos tanto casuales como por celda, maneja datos faltantes, permite distribuciones sesgadas y ofrece predicciones fuera de la muestra, validado mediante simulaciones y un conjunto de datos real.
Este artículo presenta un marco computacional basado en simulaciones de Monte Carlo para analizar la distribución de estados estacionarios y la estabilidad de ecuaciones diferenciales aleatorias con incertidumbre y superposiciones, aplicándolo al modelo depredador-presa de Rosenzweig-McArthur para demostrar la emergencia de distribuciones multimodales y calcular sus regiones de estabilidad.