261 articoli
Questo articolo propone il di Bergsma-Dassios come una misura di dipendenza robusta, basata sulla covarianza dei segni, per la statistica ufficiale, dimostrando, attraverso l'analisi teorica, applicazioni su dati EU-SILC e studi di simulazione, che esso supera le metriche di correlazione tradizionali nel rilevare relazioni non lineari e nel gestire la contaminazione dei dati.
Questo articolo introduce la Quantile Necessary Condition Analysis (QNCA), un'estensione della NCA parametrizzata per la tolleranza che sostituisce il soffitto deterministico con frontiere di quantili condizionali per mitigare la sensibilità delle dimensioni dell'effetto rispetto alle singole osservazioni di confine, preservando al contempo il nucleo del quadro interpretativo del metodo.
Questo articolo introduce un framework SIRD ibrido e riproducibile che stima i parametri epidemici variabili nel tempo tramite inversione algebrica e autoregressione vettoriale per superare i baseline di previsione statici e ingenui nella previsione di casi e decessi da COVID-19, sebbene attualmente presenti una limitata calibrazione probabilistica.
Questo articolo introduce un approccio di apprendimento automatico che utilizza una rete neurale artificiale logistica parziale (PLANN) adattata per stimare e prevedere la sopravvivenza netta, dimostrando la sua flessibilità nel gestire strutture di dati complessi rispetto alle regressioni tradizionali basate su spline, pur rilevando una maggiore varianza nelle stime per campioni di dimensioni ridotte e fornendo il pacchetto R `survivalPLANN` per l'implementazione.
Questo studio introduce un framework basato su graphon per analizzare l'evoluzione strutturale delle reti di mobilità dell'istruzione superiore in Ungheria dal 2006 al 2024, dimostrando che le metriche di distanza spettrale e distributiva superano le statistiche tradizionali nel catturare i cambiamenti indotti dalle politiche e nel rivelare i livelli gerarchici della rete.
Questo studio propone un quadro integrato economico-statistico per il monitoraggio di processi categorici multivariati nella Fase II, ottimizzando il design di una carta di controllo EWMA–GLT per minimizzare i costi totali attesi pur mantenendo le prestazioni statistiche richieste.
Questo articolo propone la Transport G-Computation (TGC), un nuovo framework distributivo che combina la g-computation longitudinale con il trasporto ottimale per stimare gli effetti causali di Wasserstein, il quale dimostra una prestazione superiore rispetto alla g-computation parametrica in scenari caratterizzati da feedback confondente e misspecificazione del modello, nonostante i costi computazionali più elevati.
Questo articolo introduce un framework di Hamiltonian Monte Carlo -deformato, motivato geometricamente, che utilizza differenze di tipo Jackson per costruire un campionatore con aggiustamento di Metropolis, offrendo un'alternativa robusta alla classica HMC che evita violazioni del dominio e discrepanze di scala, convergendo alla dinamica standard per .
Questo articolo introduce CALIB-SAE, una correzione basata su processo gaussiano non stazionario dello stimatore di Fay-Herriot che mantiene un'accuratezza di predizione puntuale equivalente, migliorando significativamente l'incertezza predittiva calibrata per la stima di piccole aree sia in set di dati geografici simulati che reali.
Questo articolo propone un modello di miscela finita a due componenti che combina le distribuzioni di Fréchet e Weibull per affrontare l'eterogeneità del comportamento delle code in campi come l'idrologia e l'affidabilità, dettagliando la sua stima di massima verosimiglianza tramite l'algoritmo EM, convalidando le sue prestazioni attraverso simulazioni e dimostrando la sua utilità pratica su dati reali relativi alla velocità del vento.