441 articles
Cet article propose une méthodologie CUPAC optimale en termes de puissance pour les expériences de type « switchback » avec des tailles de grappes inégales, qui améliore la puissance statistique en équilibrant spécifiquement la prédiction du bruit entre et au sein des unités de randomisation, plutôt que de viser simplement la précision prédictive globale.
Cette étude a évalué psychométriquement l'outil d'évaluation de la préparation aux catastrophes (Disaster Preparedness Evaluation Tool, DPET) auprès de 152 étudiants paramédicaux saoudiens, affinant l'instrument original de 36 items en une structure robuste à quatre facteurs et 24 items avec une forte cohérence interne afin de mieux évaluer la préparation aux catastrophes au sein des populations de services médicaux d'urgence.
Cette étude propose un cadre d'analyse de l'incertitude et de la sensibilité globale (UA-GSA) pour évaluer comment les incertitudes liées à la demande, à l'offre et à l'impédance de voyage affectent les estimations de l'accessibilité aux parcs urbains basées sur la méthode 2SFCA à Séoul, révélant que si les modèles spatiaux restent cohérents, les sources dominantes d'incertitude varient de manière significative dans l'espace et le temps.
Cette étude évalue quantitativement l'informatique distribuée, le sous-échantillonnage et l'optimisation par mini-lots pour l'analyse statistique à grande échelle, concluant que si les méthodes distribuées augmentent la puissance au prix d'un coût élevé et que le sous-échantillonnage économise des ressources avec des limites de scalabilité, l'optimisation par mini-lots offre le meilleur équilibre global entre vitesse, efficacité des ressources et précision.
Cet article introduit un cadre de fiabilité d'inspiration cosmologique qui emploie des bornes de perturbation déterministes et des portes d'admission multi-niveaux pour certifier la précision du clustering spectral sur les laplaciens de graphes, démontrant que les certificats directionnels et les portes à amplitude uniforme surpassent les résidus scalaires dans la validation de la stabilité des vecteurs propres sous un bruit discret.
Cet article propose une approximation Semi-Berry qui partitionne les variables aléatoires homogènes d'échelle en groupes agrégés par Gauss et ciblés par simulation sur la base du ratio de Lyapunov, réduisant ainsi de manière significative les erreurs de quantiles de queue et les coûts de calcul par rapport aux approximations normales standards ou aux simulations de Monte Carlo complètes.
Cet article propose un test de bootstrap robuste pour la causalité de Granger bidirectionnelle dans les modèles VAR gaussiens qui utilise l'information mutuelle inexpliquée, une procédure d'intersection-union et l'estimation M de Huber afin de combler les lacunes en matière de validité en échantillon fini, de distinction de la directionnalité causale et de sensibilité aux valeurs aberrantes.
Cet article introduit l'Analyse de Données Causales Topologiques (TCDA), un cadre qui intègre des résumés topologiques stables à l'inférence causale pour analyser des résultats structurés tels que des images et des réseaux, fournissant des résultats d'identification, d'estimation et de cohérence pour les effets causaux tant au niveau individuel que de la distribution, tout en clarifiant les limites de la topologie dans la découverte causale.
L'article présente DiSAH, un algorithme fédéré non itératif et efficace en termes de communication qui permet l'estimation multi-sites des différences de risque pour l'analyse de survie sans partage de données individuelles de patients, atteignant une précision comparable aux modèles centralisés tout en surpassant la méta-analyse traditionnelle et les approches locales.
Cet article propose un cadre bayésien sensible aux règles qui reconstruit les préférences cachées des foules dans les systèmes hybrides experts-foules en modélisant les utilités latentes à travers des problèmes d'inverse-préférence dynamiques, permettant l'audit des compromis d'agrégation et l'évaluation de protocoles de décision contrefactuels à travers 33 saisons de données de compétitions télévisées.