stat.ME artículos | Gist.Science

Random Dot Product Graphs as Dynamical Systems: Limitations and Opportunities

Este artículo establece un marco geométrico basado en haces fibrados principales para analizar las limitaciones y oportunidades de aprender ecuaciones diferenciales que gobiernan la evolución de redes temporales dentro de grafos de producto escalar aleatorio, identificando obstáculos fundamentales como la libertad de gauge y la holonomía no trivial, mientras demuestra que las dinámicas simétricas pueden resolver la ambigüedad de gauge y proponiendo un pipeline constructivo para recuperar campos vectoriales a partir de secuencias de grafos ruidosos.

Giulio Valentino Dalla RivaMon, 09 Ma🤖 cs.LG

Robust Estimation of Location in Matrix Manifolds Using the Projected Frobenius Median

El artículo propone un método robusto y computacionalmente eficiente para la estimación de la ubicación en diversas variedades de matrices, basado en la proyección de la mediana de Frobenius desde un espacio euclidiano ambiental, el cual garantiza unicidad, propiedades de robustez y equivarianza, y ha sido validado mediante simulaciones y su aplicación a datos sísmicos reales.

Houren Hong, Kassel Liam Hingee, Janice L. Scealy, Andrew T. A. WoodMon, 09 Ma📊 stat

Two Localization Strategies for Sequential MCMC Data Assimilation with Applications to Nonlinear Non-Gaussian Geophysical Models

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.

Hamza Ruzayqat, Hristo G. Chipilski, Omar KnioMon, 09 Ma📊 stat

On parameter estimation for the truncated skew-normal distribution

Este artículo propone el método GRID-MOM, una técnica de estimación basada en una cuadrícula que fija el parámetro de forma para mejorar la estabilidad numérica y la precisión en la estimación de la distribución normal sesgada truncada, demostrando su eficacia mediante estudios simulados y aplicaciones en datos reales.

Kwangok Seo, Seul Lee, Johan LimMon, 09 Ma📊 stat

A Hierarchical Bayesian Dynamic Game for Competitive Inventory and Pricing under Incomplete Information: Learning, Credible Risk, and Equilibrium

Este artículo presenta un juego dinámico bayesiano jerárquico para la gestión competitiva de inventarios y precios bajo información incompleta, que integra el aprendizaje sobre la demanda y las características del rival con un criterio de riesgo creíble para lograr un equilibrio conservador robusto ante la incertidumbre.

Debashis ChatterjeeMon, 09 Ma🔢 math

Simultaneously accounting for winner's curse and sample structure in Mendelian randomization: bivariate rerandomized inverse variance weighted estimator

Este artículo propone el estimador bivalente RIVW (BRIVW), un método que corrige simultáneamente la maldición del ganador y la estructura de la muestra en la aleatorización mendeliana al modelar la distribución conjunta de las asociaciones SNP-exposición y SNP-resultado, demostrando mediante simulaciones y análisis de datos reales que ofrece estimaciones causales más precisas que los métodos existentes.

Xin Liu, Ping Yin, Peng WangMon, 09 Ma📊 stat

Clustering-Based Outcome Models for Clinical Studies: A Scoping Review

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.

Johannes Vilsmeier, Fabian Eibensteiner, Franz König, Francois Mercier, Robin Ristl, Nigel Stallard, Marc Vandemeulebroecke, Sarah Zohar, Martin PoschMon, 09 Ma📊 stat

Optimizing Complex Health Intervention Packages through the Learn-As-you-GO (LAGO) Design

Este artículo presenta el diseño Learn-As-you-GO (LAGO) como una metodología innovadora para optimizar intervenciones de salud complejas y multi-componente mediante su adaptación continua durante el estudio, demostrando cómo este enfoque podría haber evitado el fracaso del estudio BetterBirth y mejorado la eficacia de ensayos futuros en diversos contextos globales.

Donna Spiegelman (Center on Methods for Implementation,Prevention Science,,Department of Biostatistics, Yale University), Dong Roman Xu (Southern Medical University Institute for Global Health), Ante Bing (Department of Mathematics,Statistics, Boston University), Guangyu Tong (Section of Cardiovascular Medicine, Department of Internal Medicine, Yale University), Mona Abdo (Center on Methods for Implementation,Prevention Science,,Department of Biostatistics, Yale University), Jingyu Cui (Center on Methods for Implementation,Prevention Science,,Department of Biostatistics, Yale University), Charles Goss (Center for Biostatistics,Data Science, Washington University School of Medicine), John Baptist Kiggundu (Infectious Diseases Research Collaboration), Chris T. Longenecker (Division of Cardiology,Department of Global Health, University of Washington), LaRon Nelson (Yale School of Nursing, Yale University), Drew Cameron (Department of Health Policy,Management, Yale University), Fred Semitala (Infectious Diseases Research Collaboration,,Department of Medicine, Makerere University,,Makerere University Joint AIDS Program), Xin Zhou (Center on Methods for Implementation,Prevention Science,,Department of Biostatistics, Yale University), Judith J. Lok (Department of Mathematics,Statistics, Boston University)Mon, 09 Ma📊 stat

Large Wave Direction Data Modeling Using Wrapped Spatial Gaussian Markov Random Fields

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.

Arnab HazraMon, 09 Ma📊 stat

Variable selection in linear mixed model meta-regression with suspected interaction effects -- How can tree-based methods help?

Este artículo demuestra que, aunque los métodos lineales son superiores para detectar interacciones lineales en meta-regresiones con pocos estudios, los árboles basados en estabilidad seleccionada (especialmente los de efectos aleatorios) ofrecen una alternativa robusta y complementaria cuando las interacciones son no lineales o el tamaño muestral es mayor.

Jan-Bernd Igelmann, Paula Lorenz, Markus PaulyMon, 09 Ma📊 stat

Bayesian Additive Distribution Regression

Este artículo presenta DistBART, un enfoque bayesiano no paramétrico para la regresión de distribuciones que utiliza ensembles de árboles de decisión para modelar funcionales lineales y no lineales, ofreciendo tanto garantías teóricas de concentración del posterior como una aproximación eficiente mediante características aleatorias para escalar a grandes conjuntos de datos.

Antonio R. Linero, Soumyabrata Bose, Jared MurrayMon, 09 Ma📊 stat

Balancing Efficiency and Feasibility: A Sensitivity Analysis of the Augmentation Parameter in the Finite Selection Model

Este artículo analiza mediante simulaciones de Monte Carlo cómo el parámetro de augmentación en el Modelo de Selección Finita afecta el rendimiento de los estimadores, concluyendo que un nivel moderado mejora el equilibrio de covariables sin sacrificar la eficiencia, mientras que un exceso aumenta la varianza y reduce la estabilidad.

Safaa K. KadhemMon, 09 Ma📊 stat

Predictive Distributions and the Transition from Sparse to Dense Functional Data

Este artículo presenta un enfoque basado en distribuciones predictivas gaussianas para estimar las puntuaciones de componentes principales funcionales a partir de datos longitudinales escasos, demostrando cómo estas distribuciones convergen hacia los valores verdaderos a medida que aumenta la densidad de las observaciones y aplicando este marco para abordar la inconsistencia de las predicciones puntuales en modelos lineales funcionales.

Álvaro Gajardo, Xiongtao Dai, Hans-Georg MüllerFri, 13 Ma📊 stat

Testability of Instrumental Variables in Additive Nonlinear, Non-Constant Effects Models

Este artículo propone una condición de prueba de independencia basada en auxiliares (AIT) para validar variables instrumentales en modelos de efectos no constantes y no lineales aditivos con confusores no medidos, demostrando su validez teórica y eficacia práctica en datos sintéticos y reales.

Xichen Guo, Zheng Li, Biwei Huang, Yan Zeng, Zhi Geng, Feng XieFri, 13 Ma📊 stat

Parameter-Specific Bias Diagnostics in Random-Effects Panel Data Models

Este artículo presenta una nueva herramienta de diagnóstico que complementa la prueba de especificación de Hausman al ofrecer estimaciones internas de sesgo específicas para cada parámetro y valores p basados en permutaciones dentro de modelos de efectos aleatorios, demostrando su utilidad práctica en aplicaciones de datos de panel mediante paquetes de R.

Andrew T. KarlFri, 13 Ma📊 stat

Multi-view biclustering via non-negative matrix tri-factorisation

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.

Ella S. C. Orme, Theodoulos Rodosthenous, Marina EvangelouFri, 13 Ma📊 stat

Robust Covariate Adjustment in Multi-Center Randomized Trials

Este artículo propone estimadores semiparamétricos eficientes y un marco de inferencia que incorporan efectos de centro en ensayos aleatorizados multicéntricos para corregir los sesgos y la pérdida de potencia causados por ignorar la correlación intra-centro, mejorando así la estimación de los efectos promedio del tratamiento y de las medias contrafactuales.

Muluneh Alene, Stijn Vansteelandt, Kelly Van LanckerFri, 13 Ma📊 stat

A practical identifiability criterion leveraging weak-form parameter estimation

Este trabajo presenta un nuevo criterio de identificabilidad práctica, denominado (e, q)-identificabilidad, que evalúa la calidad de la estimación de parámetros en presencia de ruido mediante un método de forma débil computacionalmente eficiente y robusto, demostrando su eficacia en ejemplos de modelado biológico.

Nora Heitzman-Breen, Vanja Dukic, David M. BortzFri, 13 Ma🧬 q-bio

Measuring capacities in multimodal maritime port systems with anchorage queues

Este artículo presenta un marco metodológico para estimar la capacidad operativa y la capacidad última de sistemas portuarios multimodales mediante modelos de colas y ecuaciones diferenciales, aplicados al Puerto de Houston para identificar cuellos de botella críticos y evaluar la resiliencia ante interrupciones.

Debojjal Bagchi, Kyle Bathgate, Kenneth N. Mitchell, Magdalena I. Asborno, Marin M. Kress, Stephen D. BoylesFri, 13 Ma📊 stat

Beyond the Oracle Property: Adaptive LASSO in Cointegrating Regressions with Local-to-Unity Regressors

Este artículo presenta nuevos resultados asintóticos y regiones de confianza uniformemente válidas para el estimador Adaptive LASSO en regresiones cointegradas con regresores locales a la unidad, demostrando mediante simulaciones y una aplicación empírica que estos métodos superan a los basados en la propiedad óráculo al ofrecer una cobertura fiable y factible en escenarios de muestra finita donde los coeficientes son pequeños pero no nulos.

Karsten Reichold, Ulrike SchneiderFri, 13 Ma📈 econ

← Anterior Siguiente →