stat artículos | Gist.Science

Quasi-average predictions and regression to the trend: an application the M6 financial forecasting competition

El estudio demuestra que, en el contexto de la hipótesis de mercados eficientes y la competencia M6, los métodos de predicción de baja dispersión basados en promedios cuasi-promedio y regresión a la tendencia ofrecen ventajas consistentes sobre los índices de referencia, superando a los enfoques de alta variabilidad propensos al sobreajuste al priorizar la predicción de valores esperados sobre los valores reales bajo incertidumbre.

Jose M. G. Vilar2026-03-13📊 stat

Photon-Efficient Computational 3D and Reflectivity Imaging with Single-Photon Detectors

Los autores presentan un método computacional robusto que, al combinar estadísticas de conteo de fotones individuales con correlaciones espaciales, permite reconstruir imágenes de profundidad y reflectividad con una eficiencia de fotones 100 veces superior a los métodos tradicionales, incluso en condiciones de fuerte luz ambiental.

Dongeek Shin, Ahmed Kirmani, Vivek K Goyal + 1 more2026-03-12📊 stat

Bayesian analysis of 210Pb dating

Este artículo presenta un nuevo modelo estadístico bayesiano para la datación por 210Pb que mejora la precisión y la estimación de errores al tratar las edades y los valores de 210Pb como parámetros, superando las limitaciones de los enfoques actuales mediante la gestión de errores asimétricos y la integración con otros métodos de datación.

Marco A Aquino-López, Maarten Blaauw, J Andrés Christen + 1 more2026-03-12📊 stat

Logarithmic Regret for Online KL-Regularized Reinforcement Learning

Este trabajo propone un algoritmo de aprendizaje por refuerzo en línea basado en el optimismo para contextos de banda contextual y RL regularizados por KL, demostrando teóricamente que explora el paisaje de optimización benigno de la regularización para lograr un límite de arrepentimiento logarítmico, superando así las limitaciones de análisis previos que dependían de supuestos de cobertura fuertes o se reducían al escenario de RL tradicional.

Heyang Zhao, Chenlu Ye, Wei Xiong + 2 more2026-03-12📊 stat

Bayesian Sensitivity Analysis for Causal Estimation with Time-varying Unmeasured Confounding

Este artículo presenta y evalúa dos enfoques de análisis de sensibilidad bayesiano, uno basado en variables de confusión latente y otro en funciones de sensibilidad, para estimar efectos de tratamientos variables en el tiempo utilizando datos observacionales longitudinales con confusión no medida que también varía en el tiempo.

Yushu Zou, Liangyuan Hu, Amanda Ricciuto + 2 more2026-03-12📊 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

Geopolitics, Geoeconomics, and Sovereign Risk: Different Shocks, Different Channels

El artículo demuestra que los choques geopolíticos y geoeconómicos afectan de manera distinta al riesgo soberano, operando a través de canales opuestos (un patrón de tijeras) donde los primeros impactan directamente el riesgo de incumplimiento y los segundos se transmiten mediante la política monetaria y el ciclo financiero global, lo que implica que la provisión de liquidez puede mitigar el segundo tipo de riesgo pero no el componente persistente de las primas de riesgo geopolítico.

Alvaro Ortiz, Tomasa Rodrigo, Pablo Saborido2026-03-12📊 stat

A Bandit-Based Approach to Educational Recommender Systems: Contextual Thompson Sampling for Learner Skill Gain Optimization

Este artículo presenta un enfoque basado en muestreo Thompson contextual para generar secuencias de ejercicios personalizados que optimizan la mejora de habilidades en entornos educativos digitales, demostrando mediante datos de una plataforma de tutoría matemática que este método incrementa el aprendizaje y permite una instrucción adaptativa a escala.

Lukas De Kerpel, Arthur Thuy, Dries F. Benoit2026-03-12📊 stat

Normal Approximation in Large Network Models

Este artículo establece un teorema del límite central para modelos de formación de redes con interacciones estratégicas y agentes homófilos, demostrando que bajo condiciones de estabilización derivadas de la teoría de procesos de ramificación, es posible realizar inferencia práctica en redes de gran tamaño.

Michael P. Leung, Hyungsik Roger Moon2026-03-11📊 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

Overcoming Representation Bias in Fairness-Aware data Repair using Optimal Transport

Este artículo propone un método de reparación de datos basado en el transporte óptimo y reglas de parada bayesianas no paramétricas para mitigar el sesgo de representación en subgrupos minoritarios y permitir la aplicación de correcciones justas en datos archivados, logrando un equilibrio óptimo entre equidad y preservación de la calidad de los datos.

Abigail Langbridge, Anthony Quinn, Robert Shorten2026-03-11📊 stat

New techniques to investigate the AGN-SF connection with integral field spectroscopy

Este estudio presenta un nuevo método basado en espectroscopía de campo integral para separar las contribuciones de la formación estelar y los núcleos galácticos activos en galaxias locales, revelando una correlación moderada entre la tasa de acreción del AGN y la formación estelar nuclear reciente, lo que sugiere una conexión física entre ambos procesos.

Aman Chopra, Henry R. M. Zovaro, Rebecca L. Davies2026-03-11📊 stat

Bayes, E-values and Testing

Este artículo presenta un marco tipado que descompone la evidencia secuencial en capas de representación, validez y decisión, demostrando que la relación de verosimilitud es la representación única óptima bajo riesgo bayesiano y estableciendo garantías de crecimiento para los tiempos de parada frente a umbrales de validez pura.

Nicholas G. Polson, Vadim Sokolov, Daniel Zantedeschi2026-03-11📊 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

Convergence and complexity of block majorization-minimization for constrained block-Riemannian optimization

Este artículo presenta un algoritmo de minimización de bloque mediante mayorización para optimización no convexa con restricciones en variedades de Riemann, demostrando su convergencia a puntos estacionarios con una complejidad de $\widetilde{O}(\epsilon^{-2})$ y validando experimentalmente su superioridad frente a métodos euclidianos estándar.

Yuchen Li, Laura Balzano, Deanna Needell + 1 more2026-03-10📊 stat

Bias- and Variance-Aware Probabilistic Rounding Error Analysis for Floating-Point Arithmetic

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.

Sahil Bhola, Karthik Duraisamy2026-03-10📊 stat

MCMC using $\textit{bouncy}$ 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

Computationally efficient multi-level Gaussian process regression for functional data observed under completely or partially regular sampling designs

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.

Adam Gorm Hoffmann, Claus Thorn Ekstrøm, Andreas Kryger Jensen2026-03-10📊 stat

Causal generalized linear models via Pearson risk invariance

Este artículo presenta un método para identificar modelos causales en el marco de los modelos lineales generalizados utilizando la invariancia del riesgo de Pearson y la maximización de la verosimilitud, permitiendo la identificación causal incluso con datos de un solo entorno para ciertos casos como la regresión logística y Poisson.

Alice Polinelli, Veronica Vinciotti, Ernst C. Wit2026-03-10📊 stat

← Anterior Siguiente →

stat