161 articoli
Il documento propone un quadro di calibrazione unificato che integra informazioni eterogenee, come dati ausiliari e modelli predittivi, negli esperimenti randomizzati adattivi ai covariati per ottenere stime più precise degli effetti del trattamento garantendo al contempo validità statistica e un'efficienza asintotica non inferiore.
Il documento stabilisce la legge asintotica delle forme quadratiche di vettori casuali auto-normalizzati con code pesanti, dimostrando che il limite è governato esclusivamente dalla distribuzione diagonale della matrice e dall'indice di stabilità , e applica tale risultato per caratterizzare la legge di Marčenko–Pastur -pesante per le matrici di correlazione campionarie.
Il paper risolve il problema della non unicità degli σ-field ancillari massimali definendo una sequenza asintoticamente massima che, basata su ranghi e segni residui "center-outward", permette di eliminare le variabili di disturbo senza doverle stimare, mantenendo al contempo l'efficienza semiparametrica nei limiti locali asintotici normali.
Questo articolo propone un metodo di stima della densità non parametrica per dati composizionali sul simplex con dati mancanti, basato su un kernel di Dirichlet adattivo e pesatura per probabilità inversa, che dimostra prestazioni superiori rispetto alle trasformazioni log-ratio e viene applicato con successo ai dati di composizione dei leucociti dell'indagine NHANES.
Questo monografia offre una panoramica rigorosa degli aspetti teorici e metodologici dell'inferenza probabilistica e dell'apprendimento con il metodo di Stein, fornendo ricette per costruire discrepanze di Stein, discutendone le proprietà e dettagliando la connessione con la discesa del gradiente variazionale di Stein.
Il documento presenta TV-Select, un nuovo quadro unificato che combina penalizzazione di gruppo e regolarizzazione per selezionare simultaneamente le variabili rilevanti e determinare se i loro effetti nei modelli longitudinali sono costanti o variabili nel tempo, migliorando così l'accuratezza strutturale e le prestazioni predittive rispetto ai metodi esistenti.
Questo articolo propone un test Bayesiano basato su un fattore di Bayes e sulla verosimiglianza empirica esponenzialmente inclinata per verificare l'endogeneità nei modelli di regressione lineare, dimostrandone la consistenza asintotica e applicandolo a casi reali come la domanda di automobili e il volume dei passeggeri aerei.
Questo articolo introduce un quadro teorico basato sul filtraggio particellare per analizzare e migliorare i metodi di inferenza parallela nei modelli linguistici, identificando sia criteri per garantire l'accuratezza del campionamento sia limiti fondamentali intrinseci a tali approcci.
Questo articolo propone e valuta stimatori puntuali e intervalli di confidenza migliorati per l'entropia differenziale di due popolazioni normali sotto vincoli di ordine, utilizzando funzioni di perdita invarianti e confrontando le prestazioni attraverso studi numerici e un caso reale sui sistemi di condizionamento dei Boeing 720.
Questo articolo sviluppa una teoria di inferenza statistica post-hoc in ambito asintotico per grandi campioni, introducendo procedure che, a differenza dei metodi non asintotici basati sui valori-e, richiedono assunzioni più deboli e offrono risultati più precisi consentendo livelli di significatività dipendenti dai dati.
Il paper introduce il coefficiente -footrule, una nuova misura di associazione negativa basata sulle copule definita come distanza dalla copula contro-monotona, dimostrando la sua relazione con il gamma di Gini e validando un suo stimatore basato sui ranghi attraverso proprietà asintotiche e simulazioni Monte Carlo.
Il paper stabilisce l'esponente di errore ottimale per il testing di ipotesi sensibile al contesto con pesi moltiplicativi, esprimendolo attraverso un'informazione di Chernoff pesata derivata da una famiglia esponenziale di miscele geometriche.
Questo studio introduce il concetto di identificabilità del segno degli effetti causali in sistemi dinamici stocastici lineari stazionari a tempo continuo, dimostrando come, rilassando l'assunzione di una matrice di diffusione nota, sia possibile determinare i segni dei coefficienti di deriva basandosi sulla struttura causale e sulle matrici di covarianza osservate.
Il documento propone un nuovo quadro variazionale basato sulla decomposizione pari-dispari delle funzioni di supporto per analizzare le strutture di dipendenza di insiemi aleatori convessi, introducendo indici di correlazione tra dimensione e posizione, coefficienti di mixing e leggi dei grandi numeri che superano i limiti degli approcci classici.
Questo articolo stabilisce la distribuzione spettrale limite delle matrici di correlazione di Kendall in regimi ad alta dimensionalità moderata, permettendo eterogeneità distributiva e proponendo uno strumento grafico per rilevare dipendenze senza incorrere in falsi positivi dovuti alla variabilità dei dati.
Il documento propone un metodo di stima minimax per i coefficienti funzionali del modello a coefficienti variabili basato su serie di Laguerre, dimostrando la sua ottimalità asintotica, la normalità dell'estimatore e le sue prestazioni superiori rispetto ad approcci esistenti sia in simulazioni che su dati reali.
Questo studio dimostra che, nel caso di corrispondenze parziali in una dimensione, la distribuzione a posteriori per l'inferenza bayesiana di un matching nascosto tra punti casuali correlati è approssimabile tramite algoritmi locali e presenta un limite ben definito all'infinito, mentre per il caso di corrispondenza esatta è necessaria una ordinazione globale e un'indicizzazione basata sul flusso per definire il limite delle statistiche marginali.
Questo studio analizza le distribuzioni tagliate da un punto di vista asintotico, dimostrando un teorema di Bernstein-von Mises e proponendo un algoritmo basato sul Posterior Bootstrap che garantisce una copertura asintotica frequente nominale per le regioni di credibilità, offrendo una soluzione robusta alla propagazione dell'errore di specificazione nei modelli bayesiani modulari.
Questo articolo sviluppa un quadro teorico e un algoritmo numerico iterativo per risolvere il problema inverso continuo delle equazioni differenziali ruvide, consentendo di ricostruire un percorso ruvido geometrico a partire da una traiettoria osservata tramite la convergenza di soluzioni discrete basate sulla rappresentazione della firma.
Questo articolo propone un metodo per stimare i tempi di risposta e i tassi di guasto nei sistemi real-time periodici con priorità Rate Monotonic, basandosi su un'approssimazione della distribuzione dei tempi di risposta mediante una miscela di distribuzioni Inverse Gaussian e un algoritmo Expectation-Maximization adattato, la cui efficacia è dimostrata tramite simulazioni estensive.