444 articoli
Questo articolo fornisce un tutorial di ricerca operativa strutturato che operazionalizza e confronta varie metriche di equità, schemi di allocazione e compromessi tra efficienza ed equità all'interno di contesti di risorse omogenee, utilizzando una prova di concetto di cloud computing per illustrare le proprietà e le vulnerabilità strategiche di diversi paradigmi di divisione equa.
Questo studio sviluppa un indice geospaziale-statistico ad alta risoluzione e non compensativo dell'accesso multidimensionale alle cure pediatriche d'emergenza ospedaliere in Kenya che rivela disparità significative mascherate dalle tradizionali metriche dei tempi di percorrenza e dimostra un'associazione protettiva più forte con la sopravvivenza infantile, offrendo un quadro superiore per indirizzare gli investimenti sanitari.
Questo articolo introduce un efficiente approccio basato sulla verosimiglianza marginale implementato in Stan per la stima bayesiana del modello ACE univariato con dati ordinali, il quale supera i limiti frequentisti relativi ai piccoli campioni e alle celle a frequenza zero, disaccoppiando al contempo il costo computazionale dalla dimensione del campione.
Questo articolo propone un quadro statistico unificato che identifica due rami a priori duali e massimamente ignoranti — a coda pesante e "goccia" a supporto compatto — che emergono dalla geometria del volume informativo e classificano i fenomeni osservabili attraverso un'impronta di forma della coda, che spazia dalle distribuzioni dei legami molecolari alle rappresentazioni di immagini.
Questo articolo dimostra che in sistemi spazialmente eterogenei come la migrazione urbana, le classifiche di importanza delle caratteristiche derivate dal machine learning sono instabili attraverso i diversi stadi di sviluppo e non rivelano intrinsecamente la direzione o l'uniformità dell'influenza di un predittore, rendendo necessaria una separata validazione spaziale per le applicazioni politiche.
Questo articolo introduce la Finite-Evidence Decision Identification Procedure (FEDIP), un framework di audit modulare che rivela come i dati di validazione finiti spesso falliscano nell'identificare univocamente un'unica azione ottimale tra modelli distribuzionali concorrenti, dimostrando così la necessità di funzioni di perdita economica esplicite per risolvere la dispersione delle azioni che la selezione basata sul punteggio standard trascura.
Questo studio introduce e valida un algoritmo di raffinamento basato sulla distribuzione gaussiana che stima con successo le distribuzioni dell'introito energetico abituale della popolazione a partire dalle Bilance Alimentari, trattando i valori riportati come limiti superiori, dimostrando un'accuratezza significativamente superiore rispetto ai metodi esistenti della FAO se confrontato con le indagini dietetiche nazionali in sei paesi.
Questo studio confronta empiricamente i modelli a effetti misti lineari, le equazioni di stima generalizzate e i modelli misti a due parti per stimare le utilità EQ-5D nei trial sull'artrite reumatoide, riscontrando che, sebbene i modelli misti a due parti producano stime di utilità inferiori, la scelta del metodo ha un impatto minimo sulle conclusioni complessive di costo-efficacia.
Questo articolo propone un quadro metodologico unificato che combina una funzione CES con traduzione ancorata a una norma globale e un meccanismo di pre-screening dell'equivalente della certezza per risolvere il collasso del dominio computazionale e prevenire la "trappola dello scudo epistemico" negli indicatori composti non compensativi, consentendo così audit accurati della qualità dei dati longitudinali e avvertendo esplicitamente contro l'uso dell'indice penalizzato per l'allocazione dei finanziamenti trasversali.
Questo articolo introduce un framework di modellazione bayesiana che affronta congiuntamente gli errori di classificazione errata e di selezione in dati binari multi-fonte, dimostrando attraverso simulazioni e analisi empirica che, sebbene l'errore composito possa essere identificato in modo robusto, la sua decomposizione accurata in componenti specifiche richiede indicatori validi, variabili ausiliarie e prior informativi.