254 artículos
El artículo presenta ForwardFlow, un enfoque de inferencia estadística basado únicamente en simulaciones que utiliza una red neuronal profunda con estructura ramificada para resolver el problema inverso de estimación de parámetros, demostrando propiedades deseables como exactitud en muestras finitas, robustez ante contaminación de datos y la capacidad de aproximar algoritmos complejos como el EM.
Este artículo presenta un marco unificado de optimización bayesiana mediante procesos gaussianos que acelera la búsqueda de puntos estacionarios en superficies de energía potencial mediante un bucle de seis pasos, extensiones avanzadas de kernels y regularización, y una implementación práctica en Rust que demuestra la viabilidad de este enfoque para sistemas de alta dimensión.
Este artículo propone un nuevo marco basado en el Valor de Shapley Restringido de Jugador (PRS) y el concepto de Acción Esperada de Gol (xGA) para cuantificar de manera más precisa y cooperativa la contribución individual de los jugadores en las acciones de tiro del fútbol, integrando las interacciones del equipo y las redes de pases en el análisis de rendimiento.
Este artículo propone un enfoque de Verosimilitud Sintética Bayesiana (BSL) para la Meta-regresión de Red Multinivel (ML-NMR) que, mediante la imputación de covariables faltantes y el uso de estadísticos de resumen subgrupales dentro del marco de Hamiltonian Monte Carlo, mejora significativamente las comparaciones indirectas de tratamientos al aprovechar información ancilar que los métodos estándar no pueden utilizar.
Este artículo investiga la construcción de funciones positivas definidas para el umbralizado de matrices de correlación que preserven su validez, demostrando que cualquier operador de umbralizado suave que mantenga la semidefinición positiva induce un colapso geométrico del espacio de características que limita la recuperación de la señal.
Este artículo propone un estimador bayesiano jerárquico para la varianza en estratificación fina que, mediante estudios de simulación y análisis de datos reales, demuestra superar a los métodos existentes al ofrecer un menor sesgo y error cuadrático medio.
Este artículo propone un modelo bayesiano no paramétrico basado en mezclas de procesos de Dirichlet para identificar y agrupar poblaciones heterogéneas de redes según sus patrones de conectividad, demostrando su consistencia teórica, eficacia en simulaciones y aplicabilidad en datos de redes cerebrales humanas.
Este artículo presenta algoritmos rápidos de actualización de la matriz R diseñados para aplicaciones estadísticas con estructuras de datos dinámicas, logrando una reducción significativa en el tiempo computacional sin comprometer la precisión en modelos de regresión, filtrado y selección.
Este artículo propone un estimador de doble robustez para el efecto promedio del tratamiento en los tratados (ATT) dentro del enfoque de diferencias en diferencias semiparamétricas mediante el equilibrio de covariables, y deriva un nuevo criterio de selección de modelo con un término de penalización distinto al AIC tradicional, demostrando su superioridad mediante experimentos numéricos y análisis de datos reales.
Este artículo propone nuevas fórmulas de potencia y un método de remuestreo para estimar la densidad de probabilidad, permitiendo diseñar y analizar ensayos clínicos que comparan uno o múltiples cuantiles de supervivencia en datos censurados a la derecha, incluso cuando no se cumple la hipótesis de riesgos proporcionales.
Los autores proponen un modelo estocástico de ecuaciones diferenciales que integra datos de movimiento individual y distribución poblacional para analizar la dinámica espacial de las águilas reales, permitiendo estimar riesgos para proyectos eólicos y predecir sus ubicaciones anteriores con mayor precisión que los métodos tradicionales.
Este artículo propone un estimador de variables instrumentales centrado internamente para modelos de regresión lineal con datos agrupados, controles de alta dimensión y restricciones de exclusión complejas, demostrando su validez teórica y aplicándolo a un estudio sobre intervenciones fiscales en zonas rurales de Kenia donde la interferencia espacial genera dichos patrones de exclusión.
Este trabajo presenta un nuevo método de descomposición superficial que, combinado con una estrategia de muestreo de importancia, permite realizar un análisis eficiente de la sensibilidad de la fiabilidad dinámica de primer paso en sistemas lineales bajo excitaciones aleatorias gaussianas, requiriendo un número reducido de evaluaciones de función y permitiendo reutilizar los cálculos para múltiples parámetros de diseño.
El artículo presenta el paquete de R `afttest`, que implementa procedimientos de ajuste basados en residuos de martingala para modelos semiparamétricos de tiempo acelerado de falla, introduciendo una nueva estrategia de remuestreo basada en aproximación lineal que reduce significativamente el tiempo de cálculo en comparación con el método de bootstrap multiplicador tradicional.
Este estudio compara 28 métodos de selección de variables y promediado de modelos en regresión logística mediante simulaciones y datos empíricos, concluyendo que el promediado bayesiano con priores g es superior cuando no hay separación, mientras que los enfoques de verosimilitud penalizada como LASSO ofrecen mayor estabilidad ante la separación.
Este artículo establece una conexión novedosa entre la corrección robusta de sesgo y el *pre-pivoting* de *bootstrap* para desarrollar un procedimiento de corrección de sesgo que genera intervalos de confianza un 17% más cortos en regresiones no paramétricas y diseños de discontinuidad, sin comprometer su cobertura asintótica.
Este artículo presenta un diseño adaptativo de dos etapas para ensayos aleatorizados por conglomerados que permite la reestimación del tamaño muestral y el cese temprano, optimizando la eficiencia y los costos mediante un enfoque de optimalidad de Pareto que considera la incertidumbre en los parámetros de correlación y las decisiones de diseño multidimensionales.
Este artículo propone un modelo de mezcla gaussiana de expertos en un espacio latente, optimizado mediante el método de multiplicadores de dirección alternada y regularizado con una penalización LASSO fusionada por grupos, para detectar puntos de cambio en distribuciones de fitoplancton obtenidas por citometría de flujo que coinciden con zonas de transición entre provincias marinas.
Este estudio del programa "All of Us" demuestra que el monitoreo continuo mediante dispositivos portátiles revela una disminución progresiva de la actividad física antes de las artroplastias de rodilla y cadera, seguida de una recuperación escalonada que se estabiliza a los dos años, destacando la importancia de la reserva funcional preoperatoria para optimizar la gestión perioperatoria.
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.