161 artículos
Este artículo propone un marco unificado de calibración que integra información heterogénea de múltiples fuentes en experimentos aleatorizados mediante un vector de proxy y pesos de calibración, garantizando la validez asintótica y una mejora en la eficiencia sin aumentar la varianza.
Este artículo establece la ley asintótica de formas cuadráticas de vectores aleatorios auto-normalizados con colas pesadas, demostrando que su límite depende únicamente de la distribución diagonal de la matriz y del índice de estabilidad , y aplica este resultado para caracterizar la ley de Marčenko–Pastur -pesada en matrices de correlación de muestra.
Este artículo propone un enfoque asintótico basado en campos ancilares de máxima localidad para eliminar parámetros de molestia sin necesidad de estimarlos, demostrando que procedimientos semiparamétricamente eficientes pueden construirse mediante estadísticas de rangos y signos residuales que garantizan la eliminación exacta de la molestia en muestras finitas, a diferencia de las proyecciones clásicas que solo logranlo asintóticamente.
Este artículo propone y analiza un estimador de densidad no paramétrico basado en un núcleo Dirichlet adaptativo y ponderación por probabilidad inversa para datos composicionales con valores faltantes, demostrando su superioridad frente a métodos de transformación log-ratio en simulaciones y su aplicabilidad en datos reales de composición de leucocitos.
Esta monografía ofrece una visión rigurosa de los aspectos teóricos y metodológicos de la inferencia probabilística y el aprendizaje mediante el método de Stein, abarcando desde la construcción de discrepancias y sus propiedades hasta su conexión con el descenso de gradiente variacional de Stein.
El artículo propone TV-Select, un marco unificado que utiliza penalización doble y splines B para identificar simultáneamente qué covariables tienen efectos constantes o variables en el tiempo en modelos longitudinales, mejorando así la precisión estructural, la suavidad de la estimación y el rendimiento predictivo frente a métodos existentes.
Este artículo presenta un método bayesiano basado en momentos y verosimilitud empírica inclinada exponencialmente para probar la endogeneidad en modelos de regresión lineal, demostrando su consistencia frecuentista y su aplicabilidad en estudios de demanda de automóviles y volumen de pasajeros aéreos.
Este artículo introduce un marco teórico basado en el filtrado de partículas para analizar rigurosamente los métodos de inferencia paralela en modelos de lenguaje, identificando garantías no asintóticas, mejoras algorítmicas y límites fundamentales, aunque sus hallazgos empíricos sugieren que la precisión final depende de factores más allá del error de muestreo.
Este artículo estudia la estimación puntual y por intervalos de la entropía diferencial de dos poblaciones normales bajo restricciones de orden y funciones de pérdida invariantes, proponiendo estimadores mejorados que dominan al mejor estimador afín equivariante y validando su rendimiento mediante estudios numéricos y un ejemplo real sobre fallos en sistemas de aire acondicionado.
Este artículo desarrolla una teoría de inferencia post-hoc en el régimen asintótico que permite generar conjuntos de confianza y valores-p válidos bajo niveles de significancia dependientes de los datos, superando las limitaciones de las metodologías no asintóticas al requerir supuestos más débiles y ofrecer resultados más precisos.
Este artículo introduce el coeficiente de la regla W, una medida de asociación negativa basada en cópulas definida como la distancia a la cópula contra-monótona, establece su relación con el gamma de Gini y el pie de regla de Spearman, y demuestra las propiedades estadísticas de su estimador basado en rangos.
Este artículo establece el exponente de error óptimo para la prueba de hipótesis binaria sensible al contexto bajo una función de peso multiplicativa, demostrando que el límite logarítmico de la pérdida total está determinado por una información de Chernoff ponderada que se identifica como el maximizador de un parámetro en una familia exponencial de mezclas geométricas ponderadas.
Este artículo presenta criterios para determinar la identificabilidad del signo de los efectos causales en sistemas dinámicos estocásticos lineales estacionarios de tiempo continuo, relajando la suposición de una matriz de difusión conocida y estableciendo condiciones bajo las cuales el signo de los coeficientes de deriva queda unívocamente determinado por las matrices de covarianza observacional.
Este artículo propone un marco variacional basado en la descomposición par-impar de las funciones de soporte para analizar la correlación entre tamaño y ubicación en procesos de conjos aleatorios, definiendo nuevos índices de dependencia geométricamente interpretables y estableciendo leyes de grandes números bajo condiciones de mezcla -mixing.
Este artículo establece la distribución espectral límite de las matrices de correlación de Kendall en regímenes de alta dimensión moderada bajo heterogeneidad distribucional, demostrando cómo esta afecta el espectro y proponiendo una herramienta gráfica para detectar dependencias sin generar falsos positivos.
Este artículo propone un estimador basado en series de Laguerre para los coeficientes funcionales de un modelo de coeficientes variables que alcanza tasas de convergencia óptimas minimax, establece su normalidad asintótica para la construcción de intervalos de confianza y pruebas de hipótesis, y valida su rendimiento mediante estudios de simulación y un análisis de datos reales.
Este trabajo demuestra que, en el caso de emparejamientos parciales en una dimensión, la inferencia bayesiana de un emparejamiento oculto entre conjuntos de puntos correlacionados permite una aproximación local del posterior y un límite bien definido en el volumen infinito gracias a la decaimiento de correlaciones, mientras que para el emparejamiento exacto se requiere un ordenamiento global y una indexación cuidadosa basada en el flujo para definir dicho límite.
Este artículo estudia las distribuciones cortadas desde una perspectiva asintótica, demostrando un teorema de Bernstein-von Mises y proponiendo un algoritmo basado en el Posterior Bootstrap que ofrece regiones creíbles con cobertura asintótica frecuentista nominal, todo ello ilustrado mediante experimentos numéricos en diversos ejemplos, incluida la inferencia causal.
Este artículo presenta un marco teórico y un algoritmo numérico para resolver el problema inverso continuo de ecuaciones diferenciales rugosas, permitiendo construir un camino rugoso a partir de una trayectoria observada mediante la resolución de problemas inversos discretos que convergen en la topología de variación .
Este artículo propone un método para estimar las tasas de fallo en sistemas de tiempo real estacionarios y periódicos con prioridad de tasa monotónica, utilizando una aproximación de la distribución de los tiempos de respuesta mediante una mezcla de distribuciones inversas gaussianas y un algoritmo EM adaptado, cuya eficacia se valida mediante simulaciones extensas.