225 articles
Cet article propose une méthode efficace et évolutive pour approximer les fonctions de valorisation stochastiques monotones sous-additives ou sous-modulaires via des distributions discrétisées à support réduit, permettant ainsi une évaluation rapide et garantie des valeurs pour des problèmes d'optimisation tels que la sélection de meilleurs ensembles ou la maximisation du bien-être.
Cet article propose une méthode simple pour obtenir une quantification précise de l'incertitude dans les inférences bayésiennes sous modèles erronés ou approximations, en remplaçant le posterior usuel par une alternative intuitive applicable aussi bien aux modèles basés sur la vraisemblance que sur la perte.
Cet article propose une approche bayésienne robuste pour la construction de scores de risque génétique, intégrant une technique de projection des statistiques résumées pour garantir la compatibilité des données et un nouveau modèle à base de prior « bridge » flexible, démontrant ainsi des performances supérieures et cohérentes sur divers scénarios.
Ce papier présente DELVE, une méthode spectrale conçue pour extraire des variables latentes spécifiques à chaque modalité en exploitant les différences de connectivité des graphes afin d'atténuer les signaux partagés dans les ensembles de données multimodaux.
Cet article propose un modèle de séries temporelles de réseaux basé sur un « miroir euclidien » et démontre qu'une estimation spectrale permet de localiser précisément les points de rupture d'ordre un, même lorsque l'évolution du réseau est continue mais avec un taux de changement variable.
Cet article propose un cadre théorique et des formules d'identification non paramétriques pour prévoir les effets causaux d'interventions futures en tenant compte des défis spécifiques liés aux confondants et aux modificateurs d'effet variant dans le temps, en s'appuyant sur un exemple concret concernant l'impact des politiques publiques sur les décès liés au COVID-19.
Cet article propose une approche novatrice utilisant l'homologie persistante appliquée à un complexe témoin filtré pour identifier les lacunes dans la couverture des centres de rafraîchissement lors des vagues de chaleur, offrant ainsi une perspective complémentaire aux indices de vulnérabilité thermique traditionnels.
Cet article propose une extension du modèle de régression à erreurs imbriquées avec paramètres de haute dimension pour améliorer la prédiction empirique optimale des indicateurs de pauvreté dans les petites zones, en introduisant une procédure d'estimation efficace, une méthode pour les zones hors échantillon et une quantification robuste de l'incertitude, validée par des données albanaises.
Cet article propose un modèle de Markov caché à classes latentes restreintes pour des réponses et attributs polytomiques avec covariables, en démontrant son identifiabilité, sa formulation bayésienne et son efficacité via des simulations et des applications sur des données d'examen de mathématiques et d'états émotionnels.
Cet article présente des algorithmes parallèles efficaces pour simuler des chaînes de Markov de Metropolis sans gradient, permettant d'accélérer la convergence d'un facteur pour les distributions log-concaves grâce à l'utilisation de cartes de Picard.
Cet article propose un cadre fédéré en une seule étape utilisant des pseudo-observations et une procédure de débiaisage pour modéliser des données de survie dans des environnements multi-centres, permettant d'estimer des effets de risque flexibles et non proportionnels tout en préservant la confidentialité des données individuelles.
Cet article caractérise les distributions de Palm de la superposition de processus ponctuels indépendants par une représentation simple en mélange, permettant d'élaborer de nouvelles stratégies d'inférence statistique, notamment pour l'estimation par contraste minimum et l'analyse des processus de Cox à bruit de tir.
Ce papier présente DESA, un package R disponible sur CRAN conçu pour modéliser, détecter et évaluer la rapidité des alertes d'épidémies d'influenza grâce à l'analyse des absences scolaires, tout en offrant des outils de simulation pour la recherche en santé publique.
Cet article propose une nouvelle méthode intuitive et facile à implémenter, basée sur l'échantillonnage par rejet, pour construire des tests statistiques puissants et applicables en dimensions arbitraires, dont l'efficacité est démontrée par des exemples empiriques et des simulations comparables aux tests uniformément les plus puissants.
Cet article propose une amélioration géométrique de la borne de Cramér-Rao dans le régime non asymptotique en exploitant la géométrie extrinsèque de l'embedding racine carrée du modèle statistique, via le tenseur de courbure et des formules combinatoires, pour obtenir des bornes inférieures plus serrées sur la variance des estimateurs.
Cet article propose une généralisation vectorielle de la borne de Cramér-Rao corrigée par la courbure dans le régime non asymptotique, en utilisant une perspective de géométrie extrinsèque pour établir des corrections directionnelles et des bornes matricielles certifiées par des programmes semi-définis, offrant ainsi une représentation plus fidèle des limites fondamentales de l'estimation dans les familles statistiques courbes que les approches classiques.
Cet article propose une nouvelle approche semi-paramétrique pour les modèles de copules conditionnelles en utilisant des arbres de régression bayésiens additifs (BART) avec une priorité basée sur la perte pour réduire la complexité des arbres et un algorithme MCMC réversible adaptatif, permettant ainsi de modéliser efficacement des dépendances complexes sous l'influence de variables externes, comme illustré par l'impact du PIB sur la corrélation entre l'espérance de vie et le taux d'alphabétisation.
Cet article propose un cadre général pour construire des profondeurs de données statistiques, appelées profondeurs de sous-espace central, qui maximisent la valeur de profondeur sur un sous-espace plutôt qu'en un point, offrant ainsi un outil robuste pour l'analyse de distributions symétriques par rapport à un sous-espace, la réduction de dimension et la détection de fraude.
Cet article généralise la distribution de Dickman multidimensionnelle à des éléments aléatoires vectoriels, en démontrant qu'elles sont des points fixes d'une transformation affine spécifique et possèdent les propriétés d'infinie divisibilité et d'autodécomposabilité par opérateur, tout en identifiant plusieurs cas où elles apparaissent comme lois limites.
Bien que l'auteur ne remette pas en cause la motivation éthique d'une fonction d'utilité qui privilégie la non-imposition de traitements nuisibles, il démontre que son champ d'application pratique reste limité.