stat.ME articoli | Gist.Science

Nonparametric estimation of a state entry time distribution conditional on a "past" state occupation in a progressive multistate model with current status data

Questo articolo propone due approcci non parametrici per stimare la distribuzione dei tempi di ingresso in uno stato e le probabilità di occupazione in un modello multistato progressivo con dati di stato attuale, superando le sfide poste dalla censura di intervallo e validando i metodi attraverso simulazioni e un'applicazione su pazienti con cancro al seno.

Samuel Anyaso-Samuel, Somnath DattaThu, 12 Ma📊 stat

Learning Robust Treatment Rules for Censored Data

Questo articolo propone due criteri robusti e un algoritmo di ottimizzazione per apprendere regole di trattamento ottimali basate su dati di sopravvivenza censurati, mirando a massimizzare il tempo medio di sopravvivenza troncato e le probabilità di sopravvivenza tamponate, con validazione teorica e sperimentale su dati simulati e reali.

Yifan Cui, Junyi Liu, Tao Shen, Zhengling Qi, Xi ChenThu, 12 Ma📊 stat

Parametric multi-fidelity Monte Carlo estimation with applications to extremes

Questo studio propone e valuta tre metodi di stima parametrica multi-fiducia (massima verosimiglianza congiunta, stima dei momenti e massima verosimiglianza marginale) per migliorare l'efficienza inferenziale sui dati ad alta fedeltà, con particolare applicazione all'analisi dei valori estremi e alla quantificazione dei movimenti estremi delle navi.

Minji Kim, Brendan Brown, Vladas PipirasThu, 12 Ma📊 stat

Vecchia Gaussian Processes: on probabilistic and statistical properties

Questo articolo studia le proprietà probabilistiche e statistiche dell'approssimazione Vecchia per i Processi Gaussiani, proponendo una selezione ottimale dei set genitori e dimostrando che il metodo raggiunge il tasso di contrazione minimax ottimo nella regressione non parametrica.

Botond Szabo, Yichen ZhuThu, 12 Ma📊 stat

Impact of existence and nonexistence of pivot on the coverage of empirical best linear prediction intervals for small areas

Il documento avanza la teoria del bootstrap parametrico per gli intervalli di previsione delle piccole aree, dimostrando analiticamente che l'errore di copertura è dell'ordine $O(m^{-3/2})$ solo in presenza di un pivot e proponendo un metodo di doppio bootstrap per correggere tale errore quando il pivot non esiste.

Yuting Chen, Masayo Y. Hirose, Partha LahiriThu, 12 Ma📊 stat

Network Cross-Validation and Model Selection via Subsampling

Il documento presenta NETCROP, un metodo efficiente e accurato per la convalida incrociata e la selezione dei modelli nelle reti complesse, che suddivide i dati in sottoreti sovrapposte per superare le sfide strutturali tipiche di questo tipo di analisi.

Sayan Chakrabarty, Srijan Sengupta, Yuguo ChenThu, 12 Ma📊 stat

Causal Meta-Analysis: Rethinking the Foundations of Evidence-Based Medicine

Questo articolo propone un nuovo quadro di meta-analisi causale che, superando i limiti dei modelli tradizionali per misure non lineari, introduce formule di aggregazione innovative senza bisogno di dati individuali, rivelando come l'approccio convenzionale possa talvolta trarre conclusioni errate sulla sicurezza e l'efficacia dei trattamenti.

Clément Berenfeld, Ahmed Boughdiri, Bénédicte Colnet, Wouter A. C. van Amsterdam, Aurélien Bellet, Rémi Khellaf, Erwan Scornet, Julie JosseThu, 12 Ma📊 stat

Constructing Evidence-Based Tailoring Variables for Adaptive Interventions

Questo articolo propone un quadro metodologico per la selezione empirica delle variabili di adattamento negli interventi adattivi, sostenendo che, sebbene i dati osservazionali secondari possano essere utilizzati, gli esperimenti randomizzati progettati specificamente per l'ottimizzazione forniscono le prove causali più dirette per definire tempi di misurazione, punti di taglio e decisioni di intervento.

John J. Dziak, Inbal Nahum-ShaniThu, 12 Ma📊 stat

Two-sample comparison through additive tree models for density ratios

Questo articolo propone un nuovo metodo basato su modelli ad albero additivi e una funzione di perdita bilanciante per stimare i rapporti di densità tra due campioni, consentendo sia un'ottimizzazione efficiente tramite algoritmi di apprendimento supervisionato sia una quantificazione dell'incertezza tramite inferenza bayesiana, con applicazioni validate su dati microbiomici.

Naoki Awaya, Yuliang Xu, Li MaThu, 12 Ma📊 stat

Robust evaluation of treatment effects in longitudinal studies with truncation by death or other intercurrent events

Il paper propone un nuovo metodo chiamato PLOT (Pairwise Last Observation Time) per valutare in modo robusto gli effetti dei trattamenti negli studi longitudinali con eventi intercorrenti, confrontando i soggetti al momento dell'ultima osservazione comune prima dell'evento senza dipendere da assunzioni strutturali non verificabili.

Georgi Baklicharov, Kelly Van Lancker, Stijn VansteelandtThu, 12 Ma📊 stat

Nonparametric bounds for vaccine effects in randomized trials

Questo studio propone nuovi limiti causali non parametrici per la valutazione dell'efficacia dei vaccini negli studi randomizzati con rottura dell'accecamento, rilassando l'assunzione di assenza di cause comuni non misurate e utilizzando metodi di programmazione lineare e di monotonia per quantificare l'incertezza in diversi scenari causali.

Rachel Axelrod, Uri Obolski, Daniel NevoThu, 12 Ma📊 stat

Causal Regime Detection in Energy Markets With Augmented Time Series Structural Causal Models

Il paper introduce gli Augmented Time Series Causal Models (ATSCM), un framework che integra l'analisi causale temporale e il ragionamento controfattuale per modellare le complesse relazioni nei mercati energetici e simulare scenari futuri, come l'impatto di diverse configurazioni di generazione rinnovabile sui prezzi dell'elettricità.

Dennis ThummThu, 12 Ma📊 stat

Towards Causal Market Simulators

Il paper propone il TNCM-VAE, un modello generativo che combina autoencoder variazionali e modelli causali strutturali per produrre serie temporali finanziarie sintetiche capaci di preservare le dipendenze temporali e le relazioni causali, abilitando così analisi controfattuali e test di stress più accurati.

Dennis Thumm, Luis Ontaneda MijaresThu, 12 Ma📊 stat

Sequential Causal Normal Form Games: Theory, Computation, and Strategic Signaling

Il documento estende i giochi causali a scenari sequenziali per modellare agenti AI, dimostrando teoricamente la complessità computazionale ma rivelando empiricamente che tale approccio non offre alcun vantaggio di benessere rispetto all'equilibrio di Stackelberg classico, suggerendo così la necessità di nuovi framework teorici oltre la razionalità standard.

Dennis ThummThu, 12 Ma📊 stat

Community detection in heterogeneous signed networks

Questo articolo propone un modello a blocchi $\beta$ firmato per analizzare reti eterogenee con archi positivi e negativi, dimostrandone l'identificabilità, la consistenza asintotica nell'individuazione delle comunità e l'efficacia attraverso simulazioni numeriche e un'applicazione a una rete di relazioni internazionali.

Yuwen Wang, Shiwen Ye, Jingnan Zhang, Junhui WangThu, 12 Ma📊 stat

Maximum Risk Minimization with Random Forests

Questo lavoro introduce varianti efficienti e statisticamente coerenti delle foreste casuali basate sul principio di minimizzazione del rischio massimo (MaxRM) per migliorare la generalizzazione fuori distribuzione, fornendo nuove garanzie teoriche e validando l'approccio su dati simulati e reali.

Francesco Freni, Anya Fries, Linus Kühne, Markus Reichstein, Jonas PetersThu, 12 Ma📊 stat

Transfer learning for functional linear regression via control variates

Questo articolo propone un metodo di apprendimento trasferito per la regressione lineare funzionale basato su variabili di controllo, che utilizza statistiche riassuntive per preservare la privacy, stabilisce per la prima volta un legame teorico con l'approccio offset e deriva tassi di convergenza che tengono conto degli errori di smoothing dovuti all'osservazione discreta dei predittori funzionali.

Yuping Yang, Zhiyang ZhouThu, 12 Ma📊 stat

Online LLM watermark detection via e-processes

Questo articolo propone un quadro unificato basato su processi-e per il rilevamento online dei watermark negli LLM, offrendo garanzie di validità in qualsiasi momento e migliorando la potenza di rilevamento attraverso metodi empiricamente adattivi.

Weijie Su, Ruodu Wang, Zinan ZhaoThu, 12 Ma📊 stat

Insights into the Relationship Between D- and A-optimal Designs

Questo articolo dimostra che il criterio A nei disegni sperimentali può essere scomposto in un termine di scala inverso-D e un fattore di sfericità dipendente dalla dispersione degli autovalori, fornendo così una spiegazione matematica delle differenze nelle prestazioni di varianza e previsione tra disegni con ottimalità D simile e offrendo un metodo leggero per la selezione dei candidati.

Andrew T. Karl, Bradley JonesThu, 12 Ma📊 stat

The Epistemic Support-Point Filter: Jaynesian Maximum Entropy Meets Popperian Falsification

Questo articolo dimostra che il Filtro del Punto di Supporto Epistemico (ESPF) è il filtro ottimale unico che sintetizza il principio di massima entropia di Jaynes nella propagazione e la falsificazione popperiana nell'aggiornamento, minimizzando l'ignoranza epistemica nel caso peggiore senza ricorrere a prior soggettivi, come confermato da validazioni numeriche nel tracciamento orbitale.

Moriba Kemessia JahThu, 12 Ma🔢 math

← Precedente Successivo →