297 articoli
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 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.
Questo studio propone un nuovo metodo basato su modelli bayesiani e dati di sondaggi familiari per stimare lo spostamento residenziale a livello sub-contee nella regione del Puget Sound centrale, rivelando variazioni geografiche e una temporanea riduzione del fenomeno tra il 2020 e il 2021.
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.
Lo studio presenta un framework di radiomica arricchito che integra dati strutturali classici con nuove caratteristiche funzionali derivate dalle mappe di pattern di enhancement (EPM) della risonanza magnetica epatica, dimostrando prestazioni superiori nella classificazione diagnostica e nella stratificazione del grado tumorale rispetto ai metodi tradizionali.
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 articolo fornisce una panoramica pratica delle metodologie per l'analisi delle dipendenze estreme multivariate e spaziali, illustrando come applicare tali concetti tramite il pacchetto R ExtremalDep attraverso esempi reali in ambiti come le scienze ambientali e la finanza.
Il documento presenta il modello BHARP, un approccio bayesiano gerarchico che utilizza partizioni casuali adattive per identificare l'eterogeneità dell'effetto del trattamento e stimare risposte specifiche per sottogruppo negli studi clinici di arricchimento adattivo, superando i limiti dei metodi esistenti in termini di flessibilità e gestione dell'incertezza del modello.
Questo articolo propone un quadro non parametrico sequenziale basato su e-valori per condurre backtest comparativi di misure di rischio elicibili, offrendo inferenze valide in ogni momento e robuste rispetto alla dipendenza e alla specificazione errata del modello.
Questo studio introduce un modello nascosto di Markov penalizzato con lasso per quantificare le risposte comportamentali alla perturbazione, applicandolo ai narvali per dimostrare che reagiscono alla presenza di navi fino a 4 km di distanza riducendo la persistenza del movimento e frequentando acque più profonde.
Il paper sfida l'interpretazione tradizionale "o copre o non copre" degli intervalli di confidenza di Neyman, dimostrando attraverso argomenti informali e formali che le probabilità post-data per singoli eventi di copertura sono concettualmente legittime e coerenti con la stessa matematica che definisce i tassi di errore a lungo termine, proponendo invece una visione della confidenza come probabilità predittiva.
Il paper propone un'interpretazione decisionale degli intervalli di confidenza frequentisti, trattando la copertura come una previsione probabilistica ottimizzata tramite regole di scoring adeguate, il che permette di assegnare un significato di "confidenza" a un singolo intervallo senza ricorrere a priori bayesiani o credenze soggettive.
Uno studio sperimentale ha dimostrato che, sebbene la scelta del contesto dei dati non migliori i voti nei compiti di statistica, aumenta significativamente l'impegno, la motivazione e l'autonomia degli studenti, suggerendo agli educatori di utilizzare dati reali con contesti pertinenti e variabili offrendo agli studenti la possibilità di scegliere.
Questo studio introduce nuovi metodi di inferenza causale prossimale per stimare l'efficacia relativa al placebo di un farmaco per la prevenzione dell'HIV, utilizzando dati di controllo esterni e affrontando sfide come le differenze di rischio non misurate e i bassi tassi di incidenza.
Questo articolo propone un quadro metodologico completo per la selezione delle variabili nell'imputazione tramite regressione lineare nei sondaggi, definendo un modello ottimale basato su una funzione di perdita oracle e sviluppando intervalli di confidenza asintoticamente validi che rimangono robusti anche in presenza di modelli specificati in modo errato.
Il paper propone un nuovo metodo di regressione Least Trimmed Squares che è robusto sia agli outlier a livello di caso che a livello di cella, gestisce i valori mancanti e permette previsioni robuste fuori campione.