97 articles
Cet article propose une méthode pratique basée sur les estimateurs de densité de noyau pour quantifier le risque de divulgation de l'appartenance dans les données synthétiques tabulaires, permettant une évaluation robuste de la vie privée sans recourir à des modèles d'ombre coûteux.
Cet article propose un nouveau cadre d'évaluation des joueurs de football basé sur la valeur de Shapley restreinte et le concept d'« expected Goal Action » (xGA) pour mesurer les contributions individuelles au sein des actions de tir coopératives, en tenant compte des interactions tactiques observées lors de la saison 2022/23 de Serie A.
Cet article propose une méthode d'inférence bayésienne par vraisemblance synthétique (BSL) intégrée à l'algorithme Hamiltonian Monte Carlo pour améliorer les régressions de méta-analyse en réseau multiniveau (ML-NMR) en exploitant des données de synthèse de sous-groupes afin de pallier l'absence de covariables individuelles, tout en surmontant les défis techniques liés aux gradients stochastiques et à la non-différentiabilité.
Cet article propose une approche basée sur des modèles à fréquences mixtes pour prédire le taux de change CAD/USD, démontrant ainsi son efficacité pour surmonter les limites de l'agrégation temporelle et résoudre le problème de l'imprévisibilité des taux de change.
Cet article propose un modèle stochastique intégré basé sur un processus d'Ornstein-Uhlenbeck dépendant du temps pour modéliser conjointement les déplacements individuels et la distribution des populations d'aigles royaux, permettant ainsi d'améliorer les prédictions de risques liés aux projets éoliens et de retracer les trajectoires migratoires.
Cet article propose un nouvel omnibus test d'adéquation pour les distributions continues univariées, fondé sur les moments trigonométriques des données transformées par intégrale de probabilité, qui améliore le test de Langholz et Kronmal en exploitant pleinement la structure de covariance pour garantir une convergence vers une loi même en présence de paramètres de nuisance, tout en offrant une procédure prête à l'emploi pour onze familles de distributions courantes.
Cet article propose une méthode statistique innovante, baptisée « Clusters-of-Centres », qui utilise des tests de Cochran multivariés et un algorithme de bootstrap multi-tours sur des données résumées pour détecter l'hétérogénéité entre centres et identifier de manière fiable leurs regroupements naturels.
Cet article propose un cadre de planification de la capacité des lits en soins intensifs néonatals fondé sur des données et utilisant un modèle de file d'attente à paramètres temporels, démontrant que les règles heuristiques statiques sont inadéquates face à la demande fluctuante et soulignant l'importance de modéliser la variabilité de la durée de séjour pour éviter les dépassements de capacité.
Cet article propose des bornes probabilistes conservatrices pour le spectre de la matrice d'admittance et les modèles de flux de puissance linéaires sous incertitude paramétrique, en utilisant des inégalités de concentration pour les matrices aléatoires afin d'analyser les erreurs d'approximation et l'impact de la criticité nodale sur les réseaux électriques.
Cet article propose une réorganisation algébrique intuitive de la décomposition de la covariance de Yates pour le score de Brier, décomposant l'erreur de prévision probabiliste en trois termes non négatifs qui rendent transparentes les conditions d'optimalité : l'adéquation de la variance, la corrélation parfaite et la calibration globale.
Cet article propose une approche adaptative en deux étapes pour les essais randomisés par grappes, intégrant des réestimations de taille d'échantillon et des arrêts précoces tout en optimisant les coûts et les dimensions de l'échantillonnage via une approche de Pareto, comme illustré par des exemples de réanalyse de l'essai E-MOTIVE.
L'article présente behavior-dLDS, un modèle de systèmes dynamiques linéaires décomposés qui permet de dissocier les sous-systèmes neuronaux liés au comportement de ceux dédiés aux calculs internes, démontrant ainsi son efficacité sur des données simulées et des enregistrements à grande échelle chez le poisson-zèbre.
Cet article propose une approche statistique fondée sur des tests d'hypothèses pour soutenir la coopération dans les jeux répétés à information imparfaite, en introduisant une stratégie « tester puis punir » qui permet d'atteindre un théorème folk sous des conditions d'inférence adaptées.
Cette étude longitudinale utilisant les données du programme « All of Us » et les montres connectées révèle que, bien que les arthroplasties totales du genou et de la hanche soient précédées d'un déclin progressif de l'activité physique, elles permettent une récupération en plusieurs étapes sur deux ans, où un niveau d'activité préopératoire plus élevé favorise un retour plus rapide aux niveaux d'activité habituels.
Cet article présente et évalue deux stratégies de localisation pour l'assimilation de données séquentielle par MCMC, une méthode robuste aux modèles géophysiques non linéaires et non gaussiens qui évite la dégénérescence des poids des filtres particulaires et surpasse le filtre de Kalman transformé local (LETKF) dans des scénarios à forte dimension et avec des bruits d'observation lourds.
Cet article propose une nouvelle classe de processus de Hawkes multivariés combinant excitation additive et inhibition multiplicative pour modéliser la communication acoustique animale, une méthode validée par simulation et appliquée avec succès à des données de méerkats et de baleines à fanons.
Ce tutoriel présente une méthode bayésienne en deux étapes pour quantifier les incertitudes et générer plusieurs courbes de Hugoniot cohérentes avec les données de compression par choc, offrant une approche plus interprétable et robuste que les techniques traditionnelles de régression ou de bootstrap.
Cette revue de portée examine les modèles combinant le regroupement de patients basé sur leurs covariables et les modèles de résultats, en distinguant les approches où la formation des groupes intègre l'issue clinique de celles qui s'en affranchissent, pour identifier leurs applications dans la stratification des risques et l'estimation d'effets de traitement spécifiques à des sous-groupes.
Cette étude démontre que l'intégration de l'analyse topologique des données (TDA) appliquée aux séries temporelles de dégagement du pied, combinée à l'apprentissage automatique, améliore significativement le diagnostic différentiel entre la maladie de Parkinson idiopathique et le parkinsonisme vasculaire.
Cet article propose un modèle de champ aléatoire gaussien spatial enroulé (WGMRF) pour traiter efficacement de grands ensembles de données directionnelles dépendantes, offrant des gains computationnels significatifs et une meilleure performance prédictive par rapport aux approches existantes, comme le démontrent des simulations et une application aux données de direction des vagues lors du tsunami de l'océan Indien de 2004.