110 artículos
Este artículo demuestra que las redes autoexcitables impulsadas por un trasfondo no estacionario compartido pueden parecer críticas debido al aliasing estadístico del impulso externo en la matriz de interacción, un mecanismo que causa que los sistemas subcríticos sean diagnosticados erróneamente como críticos a menos que el impulso común se corrija explícitamente.
Este artículo presenta el Rastreo de Datos Recursivo Eficiente (ERDS, por sus siglas en inglés), una reformulación recursiva exacta del rastreo de datos iterativo que reduce significativamente los costos computacionales para observaciones correlacionadas al reemplazar las sucesivas redescomposiciones de modelos con actualizaciones de forma cerrada, logrando una reducción del tiempo de ejecución del 96.5% en el procesamiento de datos GNSS mientras mantiene resultados de detección idénticos a los métodos clásicos.
Este artículo establece cotas de concentración unificadas de tipo exponencial para los espacios ordenados a través de un conjunto diverso de distribuciones —incluyendo uniforme, exponencial, normal, hipergeométrica, Beta y Gamma— mediante el aprovechamiento de técnicas de Chernoff–Hoeffding y transformaciones de la integral de probabilidad para analizar cómo la geometría de la cola influye en la agudeza de la cota.
Utilizando un flujo de trabajo de aprendizaje automático supervisado sobre un conjunto de datos sintéticos calibrados con encuestas nacionales de EE. UU., este estudio demuestra que los factores socioeconómicos estructurales, particularmente la educación y la clase ocupacional, son los predictores dominantes de la vulnerabilidad en salud —explicando el 82% de la importancia de las variables y respaldando la teoría de la causa fundamental por encima de las explicaciones conductuales.
Este artículo presenta HS3, un nuevo estándar de serialización para modelos estadísticos en física de altas energías que es agnóstico a la implementación, legible por humanos y extensible, diseñado para superar las limitaciones de los formatos existentes mediante la habilitación de la interoperabilidad legible por máquinas, la preservación a largo plazo y los principios de datos FAIR a través de diversos marcos de software.
Este estudio demuestra que un enfoque híbrido que combina la detección de anomalías de Isolation Forest con modelos de efectos mixtos lineales puede sintetizar fechas de concepción de embarazo fiables y optimizadas a partir de datos clínicos rutinarios conflictivos en entornos de escasos recursos, superando eficazmente la falta de ecografías tempranas y el registro inconsistente de datos.
Este estudio propone un marco de asignación de compromiso consciente de la covarianza para el muestreo estratificado multivariante bajo restricciones no lineales de presupuesto y tiempo, demostrando mediante análisis numérico que la incorporación de las interacciones de covarianza produce asignaciones de muestra óptimas y una precisión mejorada en comparación con los métodos tradicionales.
Este estudio emplea un modelo de cambio de régimen de Markov de dos estados con cuantificación de incertidumbre mediante bootstrap sobre los datos de mortalidad materna de Kenia del periodo 2000–2023 para revelar regímenes distintos de alta y baja mortalidad impulsados por cambios estructurales en el sistema de salud, demostrando que la trayectoria de la salud materna del país se caracteriza por cambios de régimen persistentes en lugar de una tendencia lineal continua.
Este estudio propone un estadístico Max-M de EWMA adaptativo con ponderación de Huber dinámico que supera a los modelos tradicionales al detectar simultáneamente cambios menores y mayores en procesos multivariantes mediante el ajuste dinámico de los parámetros de suavizado basados en la magnitud de la desviación, tal como se validó a través de simulaciones y datos industriales de clínker de cemento.
Este artículo propone un novedoso marco de calibración de encuestas mejorado con auxiliares para la inferencia de rechazos que evita la degradación del rendimiento de los métodos de imputación tradicionales mediante el reponderado de los solicitantes aceptados para que coincidan con los totales de la población, demostrando así ser consistente y asintóticamente normal, al tiempo que mejora significativamente la calibración del riesgo de la población y mantiene el poder de discriminación bajo la falta de especificación del modelo.