252 articoli
Questo studio propone un metodo semiparametrico efficiente basato su variabili strumentali genetiche per stimare gli effetti marginali del trattamento, dimostrando come l'uso di funzioni di influenza ottimali migliori la robustezza delle stime e riveli un effetto di selezione inversa in cui gli individui più propensi all'abuso di alcol subiscono un impatto maggiore sulla pressione sanguigna.
Questo articolo sviluppa un quadro geometrico che dimostra come il bias di primo ordine nelle inferenze variazionali strutturate sia determinato dalle componenti delle funzionali posteriori ortogonali allo spazio tangente della famiglia variazionale, spiegando così la distorsione sistematica delle dipendenze tra blocchi.
Questo articolo propone e analizza un metodo di stima non parametrica delle densità univariate soggetto a vincoli di forma (come densità non crescenti o log-concave) tramite proiezione sulla distanza di Wasserstein, dimostrandone le proprietà strutturali, fornendo un algoritmo di discretizzazione risolvibile con solver standard e confrontandolo con la massima verosimiglianza.
Questo articolo propone un quadro metodologico per stimare e costruire intervalli di confidenza per effetti causali principali eterogenei in presenza di variabili intermedie binarie, sviluppando stimatori con diverse proprietà di robustezza (doppia e intermedia) sotto l'ipotesi di ignorabilità principale e validandoli empiricamente tramite un trial randomizzato.
Questo articolo presenta un metodo basato su BMW-GAM per quantificare l'incertezza degli impatti negativi sui sistemi energetici critici durante eventi estremi composti, utilizzando modelli additivi generalizzati bayesiani e una copula gaussiana per simulare probabilisticamente variabili meteorologiche come temperatura, velocità del vento e irradiazione solare.
Il paper presenta AgroDesign, un framework statistico in Python che integra la progettazione sperimentale agricola direttamente nell'analisi computazionale per automatizzare la costruzione di modelli lineari, la selezione degli errori e l'interpretazione dei risultati, garantendo così maggiore coerenza e riproducibilità rispetto ai metodi tradizionali.
Il paper presenta l'MM-test, un metodo di screening privo di distribuzione basato su una statistica di rapporto di verosimiglianza quasi e una procedura knockoff, che supera i metodi esistenti nell'identificare geni variabili spazialmente in dati di trascrittomica spaziale sia bidimensionali che tridimensionali, garantendo al contempo il controllo del tasso di falsi positivi e la coerenza teorica.
Questo articolo presenta un nuovo metodo di campionamento basato su processi puntuali temporali che, modellando un sistema di code a server infiniti, genera distribuzioni di conteggio multivariato con supporto discendente in modo più efficiente rispetto ai processi di nascita-morte e di Zanella, offrendo al contempo applicazioni promettenti nelle reti neurali stocastiche ricorrenti.
Il paper propone un quadro inferenziale bayesiano completo per modelli non normalizzati che supera le limitazioni dei metodi basati su punteggi, trasformando l'inferenza in un problema di classificazione binaria tramite Noise Contrastive Estimation e permettendo un campionamento Gibbs efficiente per la quantificazione dell'incertezza.
Questo articolo sviluppa un'analisi di secondo ordine per il numero di volte in cui un estimatore si discosta dal suo valore target, introducendo il concetto di "deficienza asintotica relativa" per distinguere tra stimatori con efficienza asintotica identica e dimostrando, ad esempio, che l'uso del denominatore nella varianza normale è ottimale rispetto ad altre scelte.
Questo articolo propone un quadro unificato per il rilevamento delle anomalie basato sulla surprisal, che riduce il problema alla stima della coda di una distribuzione univariata attraverso stimatori empirici e di valori estremi, dimostrando efficacia anche in presenza di significativa specificazione errata del modello.
Questo studio adatta il framework dei prior di decomposizione gerarchica ai modelli di distribuzione delle specie bayesiani, permettendo un controllo diretto e trasparente sulla partizione della varianza e migliorando l'interpretabilità dei processi ambientali, spaziali e temporali senza compromettere le prestazioni predittive.
Il lavoro stabilisce limiti uniformi di tipo Lorden per i momenti dell'eccedenza di una passeggiata casuale con incrementi da una famiglia esponenziale standardizzata nel regime di deriva piccola, ottenendo termini di resto che decadono esponenzialmente e migliorando le costanti classiche a 1, mentre fornisce anche stime di convergenza esponenziale in metrica di Wasserstein e in variazione totale.
Questo articolo studia i limiti statistici e gli algoritmi per rilevare sottogriglie nascoste in una matrice gaussiana quando il segnale piantato presenta inhomogeneità di media o varianza, analizzando sia configurazioni arbitrarie che consecutive degli indici.
Questo articolo stabilisce le distribuzioni limite per l'ultima istanza e il numero totale di volte in cui un stimatore fortemente consistente si discosta di almeno dal suo valore target, fornendo risultati probabilistici generali che permettono di confrontare stimatori, definire nuove proprietà di ottimalità per la massima verosimiglianza e costruire intervalli di confidenza sequenziali, estendendosi anche a casi non parametrici e situazioni non i.i.d.
Il documento presenta il fenomeno matematico delle "murmurazioni", scoperto sperimentalmente tramite l'ausilio dell'intelligenza artificiale su grandi dataset aritmetici, che rivela nuove connessioni tra le tracce di Frobenius, la teoria delle matrici casuali e la congettura di Birch e Swinnerton-Dyer.
Questo articolo determina la regione esatta delle coppie di valori simultaneamente raggiungibili dalla correlazione di rango di Chatterjee e da quella di Blest su tutte le copule bivariati, identificando una nuova famiglia di copule estreme che traccia il confine di tale regione attraverso un'ottimizzazione vincolata.
Questo articolo propone un disegno di arricchimento adattivo bayesiano che integra dati storici aggregati, come l'effetto medio del trattamento, per guidare raccomandazioni terapeutiche individualizzate e ottimizzare l'efficienza degli studi clinici attraverso analisi intermedie e simulazioni.
Questo articolo propone due nuove misure probabilistiche, il Tasso di Riproducibilità (RR) e il Tasso di Falsa Irriproducibilità (FIR), per quantificare e guidare la verifica delle associazioni genetiche positive negli studi di associazione genome-wide (GWAS) attraverso studi di replicazione.
Questo articolo propone un nuovo metodo di analisi congiunta basato sui dati di sintesi, denominato Jlfdr, che dimostra di essere più potente delle tradizionali tecniche di meta-analisi nel controllare il tasso di falsi scoperte locali congiunti, specialmente quando si analizzano dataset eterogenei provenienti da più studi di associazione genome-wide (GWAS).