📊 Category

stat.ME

222 artículos

Effective Degrees of Freedom for Balanced Repeated Replication and Paired Jackknife Variance Estimates: A Unified Approach via Stratum Contrasts

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.

Matthias von DavierFri, 13 Ma📊 stat

A Semiparametric Nonlinear Mixed Effects Model with Penalized Splines Using Automatic Differentiation

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.

Matteo D'Alessandro, Magne Thoresen, Øystein SørensenFri, 13 Ma📊 stat

Including historical control data in simultaneous inference for pre-clinical multi-arm studies

Este artículo propone enfoques bayesianos que integran datos de controles históricos mediante intervalos creíbles simultáneos para reducir el tamaño de la muestra del grupo control en estudios de carcinogenicidad a largo plazo, logrando disminuir el uso de animales sin comprometer el control de la tasa de error familiar.

Max Menssen, Carsten Kneuer, Gyamfi Akyianu, Christian Röver, Tim Friede, Frank SchaarschmidtFri, 13 Ma📊 stat

Robust Sequential Hypothesis Testing with Generalized Estimating Equations

Este artículo presenta un nuevo enfoque para la prueba de hipótesis secuencial robusta en datos longitudinales y correlacionados en grupos, que utiliza ecuaciones de estimación generalizadas para evaluar un rango más amplio de hipótesis sin depender de supuestos de modelado restrictivos, permitiendo además el manejo de datos incompletos mediante imputación múltiple.

Nathan T. Provost, Abdus S. WahedFri, 13 Ma📊 stat

Causal Representation Learning with Optimal Compression under Complex Treatments

Este artículo propone un nuevo límite de generalización y un estimador teórico para pesos de balanceo óptimos en escenarios de múltiples tratamientos, introduciendo la estrategia de Agregación de Tratamientos y el modelo generativo Multi-Treatment CausalEGM para lograr una precisión superior y una escalabilidad constante que supera a los modelos tradicionales.

Wanting Liang, Haoang Chi, Zhiheng ZhangFri, 13 Ma📊 stat

Distributionally balanced sampling designs

Este artículo propone los Diseños Muestreales Balanceados Distribucionalmente (DBD), una nueva clase de diseños de muestreo probabilístico que maximizan la representatividad al minimizar la discrepancia entre las distribuciones auxiliares de la muestra y la población, logrando así una mejor precisión en estimaciones que métodos existentes, especialmente en aplicaciones de ciencias ambientales con datos costosos.

Anton Grafström, Wilmer PrentiusFri, 13 Ma📊 stat

Bayesian Model Calibration with Integrated Discrepancy: Addressing Inexact Dislocation Dynamics Models

Este trabajo presenta un nuevo enfoque de calibración bayesiana que integra la discrepancia del modelo dentro del simulador mediante procesos gaussianos, demostrando su eficacia al calibrar un modelo de dinámica de dislocaciones discretas frente a observaciones de dinámica molecular y diferenciándolo del método tradicional de Kennedy y O'Hagan.

Liam Myhill, Enrique Martinez Saez, Sez RusscherFri, 13 Ma📊 stat

Uncovering Locally Low-dimensional Structure in Networks by Locally Optimal Spectral Embedding

Este artículo presenta la Incrustación Espectral Adyacente Local (LASE), un método que descubre estructuras de baja dimensión local en redes mediante una descomposición espectral ponderada, superando las limitaciones de los enfoques globales al reducir el error de truncamiento y mejorar la reconstrucción y visualización de características locales.

Hannah Sansford, Nick Whiteley, Patrick Rubin-DelanchyFri, 13 Ma📊 stat

Low-Rank and Sparse Drift Estimation for High-Dimensional Lévy-Driven Ornstein--Uhlenbeck Processes

Este artículo presenta un estimador convexo que combina penalizaciones de norma nuclear y ℓ1\ell_1 para recuperar la estructura de baja rango y dispersa en la matriz de deriva de procesos de Ornstein-Uhlenbeck de alta dimensión impulsados por ruido de Lévy, demostrando mediante una desigualdad oráculo no asintótica que dicha estructura mejora la dependencia de la dimensión en comparación con los estimadores puramente dispersos.

Marina PalaistiFri, 13 Ma📊 stat

Regression approaches for modelling genotype-environment interaction and making predictions into unseen environments

Este artículo revisa y unifica diversos enfoques de regresión para modelar la interacción genotipo-ambiente y predecir el rendimiento en entornos no observados, demostrando cómo métodos aparentemente dispares se integran en un marco común de predicción basado en modelos y evaluando la incertidumbre de dichas predicciones mediante un dataset de arroz en Bangladesh.

Maksym Hrachov, Hans-Peter Piepho, Niaz Md. Farhat Rahman + 1 more2026-03-12📊 stat

Robust Estimation of Polychoric Correlation

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.

Max Welz, Patrick Mair, Andreas Alfons2026-03-11📊 stat

Bayesian Evidence Synthesis for Modeling SARS-CoV-2 Transmission

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.

Anastasios Apsemidis, Nikolaos Demiris2026-03-10📊 stat

MCMC using bouncy\textit{bouncy} Hamiltonian dynamics: A unifying framework for Hamiltonian Monte Carlo and piecewise deterministic Markov process samplers

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.

Andrew Chin, Akihiko Nishimura2026-03-10📊 stat

Relational event models with global covariates

Este artículo propone un método innovador de muestreo de no eventos temporalmente desplazados para estimar covariables globales en modelos de eventos relacionales, demostrando su eficacia mediante un estudio de simulación y su aplicación al análisis de 350.000 viajes en bicicleta en Washington D.C., donde se identifican influencias significativas del clima y la hora del día.

Melania Lembo, Rūta Juozaitienė, Veronica Vinciotti + 1 more2026-03-10📊 stat