441 articoli
Questo articolo propone un framework di deep learning che utilizza l'ensemble moltiplicativo di reti neurali (MLA-MoS-1 e MLA-MoS-2) per risolvere simultaneamente il modello americano double Heston sia con tassi di interesse costanti che stocastici, prevedendo efficacemente il confine di esercizio anticipato, i valori delle opzioni e le greche.
Questo studio propone e valuta una nuova famiglia di stimatori di tipo seno generalizzato e di tipo esponenziale-seno per la mediana di una popolazione finita sotto campionamento casuale semplice senza reinserimento, dimostrando attraverso l'analisi teorica, simulazioni e dati reali che tali metodi superano significativamente gli stimatori tradizionali sfruttando informazioni ausiliarie per ridurre l'errore quadratico medio.
Questo articolo introduce swNIsim, un pacchetto R flessibile basato sulla simulazione che consente il calcolo della potenza per i trial clinici randomizzati a cluster con design stepped-wedge di non inferiorità, adattandosi a diversi elementi di design, tipi di esito e strategie analitiche, dimostrando attraverso simulazioni che l'aumento dei periodi temporali e il bilanciamento dell'allocazione dei cluster migliorano la potenza statistica.
Questo articolo introduce la Calibrazione Distribuizionale Locale, un metodo non parametrico che inferisce distribuzioni predittive complete e coerenti in posizioni non campionate da ensemble spaziali per fornire probabilità di eccedenza accurate per campi ambientali eterogenei, superando i tradizionali approcci di kriging correggendo la sottodispersione ed eliminando le violazioni delle relazioni d'ordine.
Questo tutorial presenta un flusso di lavoro riproducibile e supportato da codice per condurre l'analisi di mediazione con dati raggruppati nella psicologia della salute, dimostrato attraverso uno studio multi-wave sulla Cina che collega fattori ambientali a livello macro a una partecipazione sociale e a una vulnerabilità legata al suicidio a livello micro, affrontando al contempo sfide statistiche come il raggruppamento e i confronti multipli.
Questo studio propone e valuta un framework di intelligenza statistica per misurare la trasformazione digitale nel settore pubblico della Regione del Kurdistan dell'Iraq, utilizzando dati secondari e vari metodi statistici per rivelare un punteggio di prestazione complessiva moderato di 4,60/7, con un'alta competenza nelle capacità di identità digitale ma un significativo margine di miglioramento nell'accessibilità dei servizi.
Questo articolo propone una statistica di test per la collinearità semplice e computazionalmente efficiente per il test di ipotesi nei modelli lineari generalizzati ad alta dimensionalità che rimane efficace quando il numero di predittori supera la dimensione del campione e dimostra una potenza statistica superiore, in particolare in scenari di alternativa sparsa, rispetto ai classici test di Wald e del rapporto di verosimiglianza.
Questo articolo presenta un'estensione del pacchetto open-source R saemix per adattare modelli a effetti misti non lineari e non gaussiani, dimostrandone la flessibilità e l'accuratezza attraverso diverse applicazioni nel mondo reale e uno studio di simulazione su dati binari ripetuti.
Questo studio determina analiticamente e computazionalmente gli intervalli ottimali di test periodici per un'unità in standby singolo, modellando il compromesso tra l'esposizione a guasti occulti e il tempo di servizio offline, quantificando al contempo come l'incertezza della rilevazione ripetuta e l'inclusione di test completi periodici impattino sulla prontezza complessiva del sistema.
Questo articolo presenta EduVision DV, una pipeline di dati riproducibile e un sistema di dashboard interattive in Tableau che integra e armonizza molteplici dataset di classifiche universitarie con gli indicatori dell'istruzione della Banca Mondiale per consentire il confronto tra sistemi, rivelando esplicitamente i limiti di qualità dei dati sottostanti, quali punteggi stimati e valori costanti.