219 articoli
Questo studio formalizza le limitazioni fondamentali e le opportunità nell'apprendimento delle equazioni differenziali che governano l'evoluzione delle reti temporali all'interno dei Grafi a Prodotto Dotale Casuali (RDPG), sviluppando un quadro geometrico basato su fibrati principali che collega ambiguità di gauge, dinamica e difficoltà statistica attraverso concetti di olonomia e gap spettrale.
Il documento propone un metodo robusto per la stima della posizione su varie varietà di matrici, basato sulla mediana di Frobenius proiettata, che combina calcoli efficienti nello spazio euclideo con proiezioni sulle varietà target, garantendo proprietà di robustezza ed equivarianza dimostrate sia in simulazioni che su dati sismici reali.
Questo articolo presenta due strategie di localizzazione per l'assimilazione di dati basata su SMCMC, un metodo sequenziale che evita la degenerazione dei pesi tipica dei filtri a particelle, dimostrando la sua efficacia ed efficienza nel filtraggio di modelli geofisici non lineari e non gaussiani ad alta dimensionalità, inclusi casi con rumore pesante e dati reali della missione SWOT.
Il paper propone il metodo GRID-MOM, un approccio basato su griglia che decoupla la stima del parametro di forma da quelli di posizione e scala per ottenere stime più stabili e accurate della distribuzione skew-normal troncata, superando le instabilità numeriche dei metodi esistenti.
Il paper propone un gioco dinamico bayesiano gerarchico per la gestione competitiva di inventario e prezzi in condizioni di informazione incompleta, integrando l'apprendimento sulla domanda e sulle caratteristiche dei rivali con un criterio di "rischio credibile" che bilancia profitti attesi e dispersione predittiva, dimostrando la sua efficacia sia in simulazioni operative che in applicazioni su dati biologici reali.
Il documento presenta l'estimatore BRIVW, un nuovo metodo per la randomizzazione mendeliana che risolve simultaneamente il problema della maledizione del vincitore e della struttura campionaria, fornendo stime degli effetti causali più accurate rispetto alle tecniche esistenti.
Questa revisione sistematica esamina i modelli di outcome basati sul clustering per studi clinici, distinguendo tra approcci "informati" e "agnostici", e ne illustra le applicazioni nella stratificazione del rischio, nella ricerca sulle malattie rare e nella stima degli effetti terapeutici specifici per sottogruppi.
Questo articolo presenta il disegno sperimentale Learn-As-you-GO (LAGO), un approccio adattivo che ottimizza i pacchetti di interventi sanitari complessi durante lo svolgimento dello studio per massimizzare l'efficacia e ridurre i costi, dimostrando come tale metodologia avrebbe potuto prevenire il fallimento dello studio BetterBirth e applicandola a nuove sperimentazioni su HIV e malattie non trasmissibili.
Il paper propone un modello di campo casuale gaussiano spaziale avvolto (WGMRF) per l'analisi efficiente e scalabile di grandi dataset direzionali spaziali, superando i limiti computazionali dei modelli esistenti e dimostrando prestazioni superiori nell'applicazione ai dati sulle direzioni delle onde durante lo tsunami dell'Oceano Indiano del 2004.
Questo studio dimostra che, sebbene i metodi lineari siano superiori per rilevare interazioni lineari in meta-regressioni con pochi studi, gli alberi basati su metodi di selezione della stabilità (specialmente quelli con effetti casuali) offrono un'alternativa robusta e complementare per identificare interazioni non lineari e supportare analisi di sensibilità.
Il paper presenta DistBART, un approccio bayesiano non parametrico per la regressione distribuzionale che utilizza ensemble di alberi decisionali per modellare funzionali lineari, offrendo sia risultati teorici sulla concentrazione che una scalabilità computazionale tramite approssimazione a caratteristiche casuali.
Questo studio analizza l'impatto del parametro di augmentazione nel Modello di Selezione Finita, dimostrando tramite simulazioni Monte Carlo che un livello moderato migliora l'equilibrio delle covariate mantenendo l'efficienza, mentre un'eccessiva augmentazione può compromettere la stabilità degli stimatori.
Questo studio analizza la convergenza delle distribuzioni predittive per i punteggi delle componenti principali funzionali quando i dati longitudinali passano da una modalità di campionamento sparso a uno denso, dimostrando che sotto l'ipotesi di normalità l'intera distribuzione predittiva si contrae verso un punto fisso e derivando tassi di convergenza asintotici per le distribuzioni predittive stimate nella metrica di Wasserstein.
Questo articolo propone una condizione di test basata sull'indipendenza ausiliaria (AIT) per verificare la validità delle variabili strumentali in modelli con effetti non costanti e non lineari, estendendo le implicazioni testabili ai casi in cui il trattamento è una variabile continua o gli effetti variano, e ne dimostra l'efficacia attraverso algoritmi pratici e sperimentazioni su dati reali.
Questo articolo presenta un nuovo metodo diagnostico per stimare il bias specifico per parametro nei modelli panel a effetti casuali, fornendo stime interne e valori p basati sulla permutazione da un singolo modello stimato per integrare il classico test di Hausman.
Il paper propone ResNMTF, un nuovo approccio di biclustering multi-vista basato sulla fattorizzazione tri-nonnegativa di matrici che identifica automaticamente cluster sovrapposti e non esaustivi senza conoscere a priori il loro numero, introducendo inoltre il punteggio "bisilhouette" come misura intrinseca valida per la valutazione e la regolazione degli iperparametri.
Questo studio propone stimatori semiparametrici efficienti e un nuovo quadro inferenziale per l'aggiustamento robusto delle covariate negli studi randomizzati multicentrici, risolvendo i problemi di correlazione a livello di centro e migliorando l'efficienza e la copertura degli intervalli di confidenza anche in presenza di modelli errati.
Questo lavoro introduce un nuovo criterio di identificabilità pratica, chiamato (e, q)-identificabilità, che valuta la qualità della stima dei parametri in presenza di rumore utilizzando un metodo basato sulla forma debole (WENDy) per ottenere risultati più rapidi e robusti rispetto alle tecniche tradizionali.
Questo articolo presenta un framework per stimare la capacità operativa e quella ultima dei sistemi portuali multimodali, applicato al Porto di Houston per identificare le risorse critiche e valutare la resilienza attraverso modelli di coda e equazioni differenziali.
Questo articolo deriva nuovi risultati asintotici per l'estimatore Adaptive LASSO in regressioni di cointegrazione con regressori locali all'unità, proponendo regioni di confidenza uniformemente valide e facilmente implementabili che superano i limiti delle tradizionali regioni basate sulla proprietà oracle, come dimostrato da simulazioni e un'applicazione empirica sul tasso di disoccupazione statunitense.