224 articoli
Il paper dimostra che per funzioni di valutazione stocastiche monotone e subadditive o submodulari, è possibile costruire efficientemente delle distribuzioni discretizzate con supporto limitato che forniscono una stima approssimata costante del valore reale per qualsiasi sottoinsieme di elementi, facilitando così l'ottimizzazione in scenari complessi come la selezione dei migliori insiemi e la massimizzazione del benessere.
Il paper propone un approccio semplice e intuitivo che, sostituendo il posteriore usuale con un'alternativa equivalente, garantisce una quantificazione accurata dell'incertezza per inferenze bayesiane in modelli errati o approssimati, superando le limitazioni delle attuali soluzioni basate su approssimazioni gaussiane o procedure di post-processing.
Questo articolo presenta un approccio bayesiano robusto per la costruzione di punteggi di rischio genetico, introducendo una tecnica di proiezione delle statistiche riassuntive per garantire la correttezza della posterior e un nuovo metodo basato su un prior ponte flessibile che supera le prestazioni dei metodi esistenti in scenari diversi.
Il paper presenta DELVE, un metodo spettrale basato su filtraggio grafico progettato per estrarre variabili latenti specifiche di ciascuna modalità dai dati multimodali, attenuando i segnali condivisi per isolare le caratteristiche uniche osservabili solo in singole modalità.
Il paper presenta un modello per serie temporali di reti basato su un "specchio euclideo" che permette di localizzare i punti di rottura del primo ordine attraverso stime spettrali, anche quando l'evoluzione della distribuzione del grafo è continua ma con tasso variabile, come dimostrato su dati simulati e reali di reti di organoidi.
Questo articolo sviluppa un quadro teorico e nuove formule di g-computazione non parametriche per identificare e prevedere gli effetti causali di interventi futuri su una popolazione futura, affrontando le sfide poste dai confondenti e dagli effetti modificatori variabili nel tempo, come illustrato attraverso un esempio relativo ai decessi legati al COVID-19.
Questo studio utilizza l'omologia persistente applicata a un complesso testimone filtrato per identificare le lacune nella copertura dei centri di raffrescamento in diverse città statunitensi, confrontando i risultati con un indice di vulnerabilità al calore per fornire una valutazione più completa delle aree a rischio di mortalità legata al caldo.
Questo articolo propone un'estensione del modello di regressione con errori nidificati ad alta dimensionalità (NERHDP) per la previsione empirica ottimale degli indicatori di povertà su piccola area, introducendo procedure di stima efficienti, metodi per le aree non campionate e una valutazione dell'incertezza tramite bootstrap, dimostrando prestazioni superiori rispetto agli approcci esistenti su dati reali albanesi.
Questo articolo introduce un modello di Markov nascosto a classi latenti ristrette per dati longitudinali con risposte e attributi politomici e covariate, ne dimostra l'identificabilità, ne formula una versione bayesiana e ne valida l'efficacia attraverso studi di simulazione e applicazioni su dati di esami matematici e stati emotivi.
Il paper presenta algoritmi paralleli basati sulle mappe di Picard per simulare catene di Markov Metropolis senza gradienti, che accelerano la convergenza verso distribuzioni log-concave di un fattore utilizzando processori e si dimostrano efficaci in applicazioni ad alta dimensionalità come la regressione, i modelli epidemici e la medicina di precisione.
Il paper propone un framework federato "one-shot" per la modellazione di eventi nel tempo che utilizza pseudo-osservazioni e un procedimento di debiasing per superare le limitazioni delle assunzioni di rischi proporzionali e della condivisione dei dati sensibili, garantendo al contempo accuratezza inferenziale e privacy nella ricerca clinica multicentrica.
Questo articolo caratterizza le distribuzioni di Palm della sovrapposizione di processi puntuali indipendenti, fornendo una rappresentazione a miscela che abilita nuove strategie di inferenza statistica, tra cui la stima per contrasto minimo e l'analisi dei processi di Cox a rumore di sparo.
Il documento presenta DESA, un pacchetto R disponibile su CRAN che utilizza i dati sull'assenteismo scolastico per modellare, rilevare tempestivamente e valutare epidemie influenzali, offrendo inoltre strumenti di simulazione per la ricerca epidemiologica.
Il paper propone un nuovo metodo basato sul campionamento per rifiuto per la costruzione di test statistici, che si dimostra intuitivo, semplice da implementare, applicabile in dimensioni arbitrarie e con potenza statistica paragonabile a quella dei test uniformemente più potenti.
Questo lavoro presenta un affinamento geometrico del limite di Cramér-Rao nel regime non asintotico, sfruttando la curvatura estrinseca dell'immersione della varietà statistica nello spazio di Hilbert per ottenere limiti inferiori più stringenti e intuitivi rispetto alle varianti classiche.
Il paper deriva una generalizzazione vettoriale del limite di Cramér-Rao corretta per la curvatura nel regime non asintotico, utilizzando un'embedding geometrica estrinseca e ottimizzazione semidefinita per ottenere limiti di stima più fedeli alla topologia della varietà statistica rispetto alle correzioni classiche.
Questo articolo propone un nuovo approccio semi-parametrico per i modelli di copula condizionale basato su alberi di regressione bayesiani additivi (BART) che, integrando un prior basato sulla perdita per ridurre la complessità degli alberi e un algoritmo adattivo Reversible Jump MCMC, permette di modellare efficacemente relazioni complesse e non lisce, come dimostrato nell'analisi dell'impatto del PIL sulla dipendenza tra aspettativa di vita e tassi di alfabetizzazione.
Questo articolo introduce un nuovo quadro teorico per le "central subspace data depths", generalizzando la profondità statistica dei dati per ordinare le osservazioni rispetto a un sottospazio invece che a un singolo punto, garantendo che il valore massimo di profondità coincida con il centro di simmetria del sottospazio e dimostrando la convergenza asintotica delle stime campionarie con applicazioni pratiche nel rilevamento delle frodi.
Questo articolo estende la definizione della distribuzione di Dickman multidimensionale a elementi casuali vettoriali, caratterizzandoli come punti fissi di una trasformazione affine e dimostrando che possiedono le proprietà di divisibilità infinita e auto-decomponibilità operatoriale, oltre a identificare casi in cui emergono come distribuzioni limite.
Il paper sostiene che, sebbene la motivazione etica alla base di una funzione di utilità che discrimina tra vite salvate evitando trattamenti dannosi e vite salvate somministrando trattamenti sia valida, la sua applicabilità pratica risulti limitata da specifici controesempi.