254 articles
Le papier « ForwardFlow » propose une méthode d'inférence statistique fréquentiste basée sur l'apprentissage profond, utilisant un réseau neuronal unique entraîné sur des données simulées pour résoudre directement le problème inverse d'estimation de paramètres avec une exactitude en échantillon fini, une robustesse aux contaminations et une capacité à approximer des algorithmes complexes.
Cet article présente un cadre unifié d'optimisation bayésienne utilisant des processus gaussiens pour accélérer la recherche de points stationnaires sur les surfaces d'énergie potentielle, en intégrant des extensions innovantes et un code pédagogique en Rust pour améliorer l'efficacité et la précision des calculs.
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 méthode pour construire des fonctions de seuillage positives définies préservant la validité des matrices de corrélation, tout en démontrant que tout opérateur de seuillage doux garantissant cette propriété induit inévitablement un effondrement géométrique de l'espace des caractéristiques qui limite la récupération du signal.
Cet article propose un estimateur bayésien hiérarchique pour la variance des strates fines en survey, démontrant par des simulations et des analyses de données réelles sa supériorité en termes de biais et d'erreur quadratique moyenne par rapport aux méthodes existantes comme le regroupement de strates, l'estimation non paramétrique bayésienne ou les estimateurs à noyau.
Cet article propose un nouveau modèle bayésien non paramétrique basé sur un mélange de processus de Dirichlet pour identifier des clusters de réseaux hétérogènes partageant des motifs de connectivité similaires, en démontrant sa consistance, son efficacité via des simulations et son application aux données de réseaux cérébraux humains.
Cet article présente des algorithmes rapides de mise à jour de la matrice R, conçus spécifiquement pour les applications statistiques dynamiques comme la régression et la sélection de modèles, permettant de réduire considérablement les coûts de calcul tout en préservant la précision.
Cet article propose une méthode d'estimation du traitement moyen sur les traités dans le cadre des différences de différences semiparamétriques, combinant un équilibrage des covariables pour obtenir une double robustesse et un nouveau critère de sélection de modèle asymptotiquement sans biais qui diffère significativement des critères d'information classiques.
Cet article propose de nouvelles formules de puissance et une méthode de rééchantillonnage pour estimer la densité de probabilité, permettant ainsi de concevoir et d'analyser des essais cliniques comparant un ou plusieurs quantiles de survie entre deux groupes, même lorsque l'hypothèse des risques proportionnels n'est pas vérifiée.
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 estimateur IV centré et robuste pour les modèles linéaires à données groupées avec contrôles de haute dimension et restrictions d'exclusion complexes, dont l'efficacité est démontrée par une application à une intervention fiscale au Kenya.
Cet article propose une nouvelle méthode de décomposition de surface, combinée à un échantillonnage préférentiel, pour analyser efficacement la sensibilité de la fiabilité dynamique de premier passage des systèmes linéaires soumis à des excitations aléatoires gaussiennes.
Ce papier présente le package R `afttest`, qui fournit des outils de diagnostic efficaces et évolutifs pour les modèles de temps accéléré semi-paramétriques en implémentant des procédures de bon ajustement basées sur les résidus de martingale, notamment une nouvelle méthode d'approximation linéaire par fonction d'influence qui réduit considérablement le temps de calcul par rapport aux méthodes de rééchantillonnage traditionnelles.
Cette étude de simulation préenregistrée compare 28 méthodes de sélection de variables et d'inférence pour la régression logistique, révélant que l'agrégation de modèles bayésienne (BMA) avec des priors g performe mieux en l'absence de séparation, tandis que les approches de vraisemblance pénalisée, notamment le LASSO, offrent les résultats les plus stables en cas de séparation.
Cet article établit un lien novateur entre la correction robuste du biais et le pré-pivoting par bootstrap pour proposer une procédure d'inférence non paramétrique qui réduit la longueur des intervalles de confiance de 17 % sans compromettre leur couverture asymptotique.
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.
Cet article propose un modèle de mélange d'experts gaussiens dans un espace latent, régularisé par une pénalité LASSO fusionnée de groupe, pour détecter des points de rupture dans les distributions de phytoplancton mesurées par cytométrie en flux, identifiant ainsi une transition écologique significative entre deux provinces marines.
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 propose une méthode robuste et efficace pour l'estimation de la localisation sur diverses variétés matricielles, en calculant la médiane de Frobenius dans un espace euclidien ambiant avant de la projeter sur la variété, tout en établissant ses propriétés théoriques et en validant son applicabilité via des simulations et une étude de cas sur des données sismiques.