252 articles
Le papier propose la méthode PATRO, une approche simple et efficace qui ajuste les estimations d'expériences aléatoires de manière indépendante pour optimiser simultanément les décisions de déploiement et les choix opérationnels en aval, offrant des performances proches de l'optimalité bayésienne tout en évitant les pertes dues à l'asymétrie des coûts d'erreur.
Cet article établit une approximation gaussienne forte pour les statistiques U non dégénérées en haute dimension, en fournissant une fondation théorique unifiée pour l'inférence statistique et les tests de changement de point sans recourir à des bornes ni à des arguments de bootstrap, même sous des distributions à queues lourdes.
Cet article propose une approche de prédiction conforme, à la fois agnostique du modèle et sans hypothèse de distribution, pour construire des intervalles de prévision dans des séries temporelles fonctionnelles de haute dimension, en comparant les performances des méthodes de prédiction conforme fractionnée et séquentielle sur des données de mortalité par âge au Japon et au Canada.
Cette revue méthodologique de 100 méta-analyses de précision diagnostique publiées en 2024 révèle que les investigations d'hétérogénéité sont fréquentes mais souvent mal rapportées, avec une prédominance d'analyses de sous-groupes et une nécessité accrue de pré-spécification dans les protocoles pour améliorer la transparence.
Cet article présente une implémentation Python de nouveaux outils géométriques pour l'espace des formes de Kendall en 3D, comblant ainsi le manque de fonctionnalités spécialisées dans la bibliothèque Geomstats afin de faciliter l'analyse pratique des structures géométriques.
Cette étude compare l'estimation d'incertitude par Dropout de Monte Carlo et la prédiction conforme sur des réseaux de neurones convolutifs entraînés sur Fashion-MNIST, révélant que si le VGG16 est plus précis, le GoogLeNet offre une meilleure calibration et que la prédiction conforme garantit des ensembles de prédictions statistiquement valides pour des décisions à haut risque.
Cet article propose une nouvelle méthode, nommée PCID, pour la détection de multiples points de changement dans des signaux circulaires par morceaux constants, en utilisant l'isolation et des tests de permutation basés sur une fonction de contraste robuste.
Le papier présente ReTabSyn, une pipeline de synthèse de données tabulaires basée sur l'apprentissage par renforcement qui optimise la distribution conditionnelle pour améliorer l'utilité des modèles en aval dans des scénarios à faible volume de données et déséquilibrés.
Motivé par un essai clinique sur le cancer gastrique, cet article propose un cadre bayésien de conception et d'analyse pour les essais de précision qui intègre des données externes via un modèle de pondération individuelle basé sur la similarité des covariables, permettant un emprunt partiel d'information pour améliorer l'estimation des effets dans des sous-groupes rares.
Cet article propose une représentation formelle des analyses de données qui, en externalisant leur construction logique, permet d'évaluer la qualité du raisonnement de l'analyste, de visualiser les liens logiques et d'analyser la sensibilité des hypothèses sans avoir besoin des données brutes.
Cet article explique en détail et généralise une méthode de « risk time splitting » utilisant des données pré-dépistage historiques et des offsets de régression de Poisson pour améliorer la précision de l'estimation de l'effet des programmes de dépistage sur la mortalité ultérieure, comme démontré par des intervalles de confiance plus étroits sur des données norvégiennes et danoises.
Cet article propose de nouveaux tests d'équivalence basés sur des noyaux, utilisant la divergence de Stein et la divergence maximale de moyenne pour évaluer l'absence de différences significatives entre distributions sans les limitations des méthodes paramétriques ou des tests de moments.
Cet article examine comment le choix de l'estimande dans les essais de non-infériorité, conformément à l'addendum ICH E9(R1), influence la détermination de la marge de non-infériorité en démontrant, via des simulations dans le domaine de la gestion du poids, que la marge historique dépend de la stratégie des événements intercurrents et peut varier même pour des questions d'étude similaires.
Cet article propose un cadre d'analyse méta-adaptative pour les modèles linéaires qui, en pénalisant la divergence de Kullback-Leibler pour rétrécir les distributions spécifiques vers un centre commun, permet d'adapter le partage d'information entre études sans supposer l'homogénéité des paramètres, tout en garantissant une erreur quadratique moyenne inférieure à celle des estimateurs classiques et des procédures d'inférence valides.
Cet article propose une nouvelle approche non paramétrique pour construire des intervalles de tolérance en utilisant un posterior de Gibbs calibré, qui offre une couverture fréquentielle fiable et des intervalles plus courts que les méthodes classiques, même avec de petits échantillons ou des distributions complexes.
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 réexamine la notion de copule partielle pour représenter la dépendance statistique ajustée aux covariables, démontrant qu'elle constitue un analogue non linéaire de la corrélation partielle dont les propriétés sont contraintes par les copules conditionnelles, avec des applications prometteuses pour l'inférence causale.
Cet article présente un cadre de prédiction sélective pour la récupération de structures moléculaires à partir de spectres de masse, démontrant que l'utilisation de mesures de confiance simples et d'incertitudes aléatoires au niveau de la récupération permet d'abstenir les prédictions incertaines et de garantir des taux d'erreur contrôlés dans des applications à haut risque.
Ce papier introduit Scorio, une bibliothèque open-source qui formalise et évalue des méthodes statistiques pour classer les modèles de langage de raisonnement dans des régimes d'extension au moment du test, en identifiant des approches fiables pour les budgets de calcul élevés et faibles sur des benchmarks mathématiques de haut niveau.
En s'inspirant de l'essai ACTT, cet article propose un cadre causal pour les essais de plateforme avec contrôles non concurrents, démontrant que l'estimation la plus robuste et efficace des effets de traitement sur la survie repose sur l'utilisation de contrôles concurrents uniquement avec des estimateurs doubles robustes ajustés aux covariables, plutôt que sur le regroupement de contrôles non concurrents qui peut introduire des biais.