97 papers
Dit paper introduceert een praktische methode op basis van kernel density estimators om het risico op lidmaatschapsinformatielekken in synthetische tabulardata te kwantificeren, wat leidt tot een robuustere risicobeoordeling dan bestaande basismethoden zonder de noodzaak van rekenintensieve schaduwmodellen.
Dit artikel introduceert een nieuw model gebaseerd op de beperkte Shapley-waarde en de 'expected Goal Action' (xGA) om de bijdrage van individuele voetballers aan schotaanvallen in het Italiaanse Serie A-seizoen 2022/23 te kwantificeren, waarbij rekening wordt gehouden met de coöperatieve aard van teaminteracties en tactische beperkingen.
Dit artikel introduceert een Bayesiaanse synthetische likelihood-methode die, geïmplementeerd binnen het Stan-gebaseerde Hamiltonian Monte Carlo-framework, multilevel netwerkmeta-analyse verbetert door gebruik te maken van beschikbare samenvattende subgroepdata om ontbrekende covariaten te benutten en zo de nauwkeurigheid van populatie-aangepaste behandelvergelijkingen te verhogen.
Dit artikel presenteert een mixed-frequency benadering om het Meese-Rogoff-probleem op te lossen en de voorspellingskracht van wisselkoersen (CAD/USD) te verbeteren door informatieverlies door temporele aggregatie te voorkomen.
Deze studie introduceert een geïntegreerd, tijdsvariërend Ornstein-Uhlenbeck-proces dat individuele verplaatsingsdata en populatieverspreiding van gouden adelaars gezamenlijk modelleert, waardoor nauwkeurigere risicobewertingen voor windparken en betere voorspellingen van migratiepatronen mogelijk worden dan met eerdere methoden.
Dit artikel introduceert een nieuwe omnibus toets voor de aanpassing van univariate continue verdelingen, gebaseerd op trigonometrische momenten en een verbeterde covariantiestructuur die een goed gekalibreerde -verdeling garandeert, met uitgebreide implementatie voor elf veelgebruikte verdelingsfamilies en bewezen nauwkeurige prestaties in simulaties en een toepassing op weersvoorspelfouten.
Deze paper introduceert een sequentieel algoritme dat multivariate Cochran-type toetsen en een meervoudige bootstrap-methode combineert om centra in multi-centrumstudies automatisch te groeperen op basis van hun parameters, waarbij bewezen wordt dat de ware verdeling met toenemende steekproefgrootte en het aantal rondes met hoge waarschijnlijkheid wordt hersteld.
Dit artikel presenteert een datagedreven raamwerk op basis van een -wachtrijmodel met tijdsvariërende parameters om de capaciteitsplanning voor neonatale intensivecareunits te optimaliseren, waarbij wordt aangetoond dat statische vuistregels ontoereikend zijn voor fluctuerende vraag en variabele verblijfsduur.
Dit artikel presenteert conservatieve probabilistische grenzen voor het spectrum van de admittantiematrix en lineaire vermogensstroommodellen onder onzekerheid in netwerkp parameters, waarbij concentratie-ongelijkheden worden gebruikt om de foutmarges van benaderingen zoals DC en LinDistFlow te analyseren en te tonen dat deze grenzen schalen met de netwerkkritikaliteit van knopen.
Dit artikel stelt een intuïtieve algebraïsche herschikking van de Yates-covariantiedecompositie van de Brier-score voor, die de optimaliteitsvoorwaarden voor perfecte probabilistische voorspellingen transparant maakt door de score op te splitsen in drie niet-negatieve termen: een variantie-mismatch, een correlatiedeficit en een kalibratie-in-het-groot.
Dit artikel introduceert een tweestaps adaptief ontwerp voor clustergerandomiseerde trials dat tussentijdse analyses mogelijk maakt voor vroegtijdige stopzetting en herontwerp, waarbij gebruik wordt gemaakt van combinatietests en Pareto-optimaliteit om kosten en steekproefgrootte te optimaliseren, zoals geïllustreerd met een stapsgewijze wig-herontwerp en een heranalyse van de E-MOTIVE-trial.
Dit paper introduceert behavior-dLDS, een model dat neurale dynamiek ontleedt in gedrag-gerelateerde en interne subsystemen om complexe hersenactiviteit te ontrafelen en de relatie met gedrag te kwantificeren, zelfs bij datasets met tienduizenden neuronen.
Dit paper introduceert een 'test-en-straf'-strategie die statistische hypothesetoetsing gebruikt om samenwerking in oneindig herhaalde spellen met imperfecte monitoring te handhaven, waarbij spelers afwijkingen detecteren en bestraffen om een Folk-stelling te bereiken.
Deze studie, gebaseerd op data van het 'All of Us'-programma, toont aan dat patiënten met een totale knie- of heupprothese een progressieve daling in fysieke activiteit vertonen voor de operatie, gevolgd door een gestage postoperatieve herstelcurve die binnen ongeveer 13 tot 22 weken terugkeert naar het preoperatieve niveau, waarbij een hogere activiteit vlak voor de ingreep de kans op volledig herstel vergroot.
Dit artikel introduceert en evalueert twee localisatiestrategieën voor sequentiële MCMC-data-assimilatie die weight-degeneratie vermijden en zware-tail fouten hanteren, waarmee ze superieur presteren ten opzichte van traditionele ensemble Kalman-methoden bij het assimileren van niet-lineaire en niet-Gaussische geofysische modellen.
Dit paper introduceert een flexibel model voor multivariate Hawkes-processen met additieve excitatie en multiplicatieve inhibitie om de complexe tijdsafhankelijkheid in dierlijke communicatie te analyseren, wat wordt gevalideerd via simulaties en toegepast op datasets van meerkatten en walvissen.
Dit tutorialpapier introduceert een Bayesiaanse methode voor het kwantificeren van onzekerheid in lineaire schokcompressiedata, waarmee meerdere consistente Hugoniot-curves kunnen worden gegenereerd die robuuster en interpreteerbaarder zijn dan traditionele least-squares- of bootstrapping-benaderingen.
Deze scoping review biedt een systematisch overzicht van methoden die covariaatgebaseerde clustering combineren met uitkomstmodellen voor klinische studies, waarbij onderscheid wordt gemaakt tussen 'informed-cluster' en 'agnostic-cluster' benaderingen die vooral waardevol zijn voor risicofactorenstratificatie en het schatten van subgroepspecifieke behandelingseffecten in heterogene populaties.
Deze studie toont aan dat het combineren van topologische data-analyse met machine learning, specifiek door het gebruik van Betti-curve-descriptoren van voetvrijheid, de differentiaaldiagnose tussen idiopathische Parkinson en vasculaire Parkinson significant kan verbeteren.
Deze paper introduceert een wrapped Gaussian Markov random field (WGMRF) model dat de computationele uitdagingen van het modelleren van grote ruimtelijke richtingsdata, zoals golfrichtingen tijdens de tsunami van 2004, oplost door gebruik te maken van een schaarse precisiestructuur voor betere schaalbaarheid en voorspellende prestaties.