446 articles
Cet article introduit une famille de modèles de mélange parcimonieux pour les distributions asymétriques matricielles qui utilisent des mélanges variance-moyenne de distributions normales avec des contraintes de paramètres afin de réduire la complexité et de permettre un partitionnement efficace de données de haute dimension à l'aide d'un algorithme d'Espérance-Maximisation Conditionnelle.
Cet article introduit un algorithme EM de type limite de produit, rapide et stable, combiné à une étape de minorant convexe itératif modifiée pour calculer efficacement l'estimateur de maximum de vraisemblance non paramétrique des fonctions de survie à l'aide de données tronquées à gauche et censurées par intervalle, démontrant une convergence et une extensibilité supérieures par rapport aux méthodes existantes.
Cet article propose un test de permutation robuste pour un coefficient de corrélation de rang de Spearman modifié qui utilise des résidus de martingales univariés pour traiter efficacement les données censurées à droite, assurant un contrôle asymptotiquement correct de l'erreur de type I et se réduisant au test classique en l'absence de censure.
Cet article démontre que les contrastes scalaires de base à fin dans les essais longitudinaux chroniques échouent souvent à capturer de manière unique la stabilisation multidomaine en raison de mappages non injectifs, plaidant pour l'adoption d'estimands basés sur des trajectoires afin de mieux s'aligner sur des objectifs cliniques complexes.
Cet article introduit DriftGuard, un cadre d'audit en deux étapes qui établit des frontières de détectabilité théoriques pour le décalage de distribution et fournit un protocole rigoureux, doté d'un budget d'étiquetage, pour diagnostiquer l'échec de couverture et recalibrer les modèles de prédiction conforme sous des décalages de covariables et de concepts.
Cette étude démontre que l'enregistrement différentiel des résultats continus liés à l'exposition, tels que la perte de sang estimée visuellement, peut fabriquer des effets de traitement importants et d'apparence robuste dans les preuves en vie réelle par le biais d'une erreur de mesure systématique plutôt que par de réelles différences cliniques, nécessitant des contrôles diagnostiques spécifiques et un recours à des mesures objectives pour éviter des conclusions fallacieuses.
Cet article présente un modèle de mélange conscient de l'incertitude et spatialement informé, doté de mécanismes de contraction et de pondération des classes, qui améliore significativement la classification des états de panaches de CO₂ déséquilibrés dans le benchmark de Sleipner en identifiant des régimes interprétables organisés par profondeur et en fournissant des estimations d'incertitude a posteriori.
Cet article propose la méta-régression par noyau bayésien (BKMMR), un cadre de modélisation de second stade flexible qui surmonte les limites de la méta-régression linéaire conventionnelle en capturant automatiquement les non-linéarités et les interactions dans les données d'épidémiologie environnementale multi-sites, améliorant ainsi la précision de l'estimation, la prédiction et les capacités de mise à l'échelle spatiale, comme le démontrent des simulations et une étude sur la pollution de l'air en Corée du Sud.
Cette étude démontre que le modèle des pics au-delà du seuil à troncature à droite (RT-POT) surpasse les approches traditionnelles de la valeur extrême généralisée et de la distribution de Pareto généralisée en fournissant des estimations de paramètres plus précises et des limites supérieures plus réalistes pour la gestion des niveaux d'eau extrêmes au barrage d'Akosombo au Ghana sous une troncature naturelle.
Cet article propose des stratégies d'heuristique de seuil bayésien adaptatif pour le problème du secrétaire à information partielle en intégrant la théorie de l'arrêt optimal à information complète avec une mise à jour bayésienne via un a priori conjugué Normal-Gamma, démontrant une performance supérieure aux méthodes d'estimation du maximum de vraisemblance, particulièrement sous de faibles tailles d'échantillon et une information a priori faible.