217 papers
Deze paper introduceert de LAE-EnKF, een nieuwe data-assimilatiemethode die de beperkingen van de standaard Ensemble Kalman-filter bij sterk niet-lineaire systemen oplost door assimilatie uit te voeren in een geleerde, stabiele lineaire latente ruimte.
Dit paper introduceert CREDO, een methode die credale enveloppen combineert met conformale kalibratie om voorspellingsintervallen voor regressie te genereren die zowel de onzekerheid door gebrek aan data expliciet weergeven als gegarandeerde dekking bieden.
Dit artikel formaliseert het doel om in adaptieve experimenten aan te tonen dat ten minste één interventie een positief effect heeft op een subpopulatie, door inferentieprocedures te ontwikkelen binnen een multi-armed bandit-raamwerk die tijd-uniforme meervoudige toetsing mogelijk maken en een adaptieve toewijzingsregel voorstellen met een logarithmische regret-grens.
Deze paper introduceert een nieuwe Frechet-regressiemethode voor multivariate verdelingsresponsen binnen het semiparametrische nonparanormale familie, die gebruikmaakt van de NPT-metriek om de schattingsproblematiek en de vervlochtenheid van de dimensiecurse aan te pakken en zo efficiënte en interpreteerbare modellen mogelijk maakt.
Deze paper introduceert het TEA-Time-framework voor het extrapoleren van behandelingseffecten naar andere tijdsperiodes door gebruik te maken van twee identificatiestrategieën die een afweging bieden tussen precisie en bias, zoals aangetoond in simulaties en een toepassing op Upworthy A/B-tests.
Deze paper introduceert een uniek kalibratiekader dat heterogene informatie uit diverse bronnen, zoals machinelearningvoorspellingen en externe data, integreert in gerandomiseerde experimenten via convex optimalisatie, waarbij een schatter wordt gegenereerd die zowel geldig is als asymptotisch nooit minder efficiënt is dan bestaande methoden.
Dit artikel introduceert diepe spatiotemporale engressiemethoden die betrouwbare probabilistische voorspellingen voor epidemieën genereren door endogene onzekerheidskwantificatie, en toont aan dat deze modellen verschillende benchmarks overtreffen op zes epidemiologische datasets.
Dit artikel introduceert een geavanceerde methode voor conditionele rang-rang-regressie met diepe conditionele transformatiemodellen om intergenerationele mobiliteit nauwkeuriger te meten door covariaten te controleren, wat leidt tot betere prestaties bij niet-lineariteit en discrete uitkomsten en wordt toegepast op inkomensmobiliteit in de VS en onderwijsmobiliteit in India.
Dit artikel introduceert een niet-parametrische dichtheidsschatting voor composities met ontbrekende data op het simplex, gebaseerd op inverse-kansweging en een adaptieve Dirichlet-kern, waarvan de asymptotische eigenschappen worden bewezen en de superioriteit in simulaties en een toepassing op NHANES-leukocytendata wordt aangetoond.
Dit monografie biedt een rigoureuze overzicht van de theoretische en methodologische aspecten van probabilistische inferentie en leren met behulp van de methode van Stein, inclusief de constructie van Stein-discrepanties, hun eigenschappen en de verbinding met Stein-variational gradient descent.
Dit artikel presenteert een modelgebaseerde methode om de specifieke energiebesparingen van intelligente besturingsalgoritmes voor stadsverwarmde gebouwen te isoleren van andere factoren en te decomponeren in subcomponenten, gebaseerd op tien jaar aan real-world data.
Dit artikel introduceert de Partial Decomposition of Granger Causality (PDGC), een methode die gebruikmaakt van partiële informatiedecompositie om redundante en synergetische causale interacties in fysiologische netwerken te ontrafelen, wat leidt tot nieuwe inzichten in de autonome dysfunctie bij patiënten met neuraal gemedieerde syncope.
Deze paper introduceert TV-Select, een geünificeerd raamwerk dat variabele selectie en het onderscheid tussen constante en tijdvariërende effecten combineert via dubbele straffing, waardoor de modelkwaliteit en voorspellende prestaties bij longitudinale data verbeteren.
Dit artikel ontwikkelt een asymptotische theorie voor post-hoc statistische inferentie die, in tegenstelling tot eerdere niet-asymptotische methoden, zwakkere aannames vereist en scherpere resultaten oplevert voor betrouwbaarheidsintervallen en p-waarden die ook na het zien van de data geldig blijven.
Dit artikel overbrugt de kloof tussen online en off-policy experimenten door wiskundig te bewijzen dat hun veelgebruikte variantiereductiemethoden, zoals Difference-in-Means en regressie-aanpassing, structureel equivalent zijn aan respectievelijk optimale inverse propensity scoring en doubly robust schatting.
Dit artikel introduceert een Laguerre-reeksgebaseerde schatter voor variabele-coëfficiëntenmodellen die minimax-optimale convergentiesnelheden bereikt, asymptotische normaliteit garandeert voor inferentie, en zijn effectiviteit aantoont via simulaties en een toepassing op reële data.
Dit paper introduceert twee probabilistische maatstaven, de Reproductiegraad (RR) en de Valse Irreproductibiliteitsgraad (FIR), om de reproduceerbaarheid van positieve associaties in genomewide associatiestudies (GWAS) kwantitatief te beoordelen en zo de ontwerp van replicatiestudies te sturen en potentiële ware vondsten in niet-reproduceerbare resultaten te identificeren.
Dit artikel introduceert een nieuwe methode voor gezamenlijke analyse van samenvattingsstatistieken uit meerdere GWAS-studies die gebaseerd is op het beheersen van de gezamenlijke lokale false discovery rate, en toont aan dat deze methode krachtiger is dan bestaande meta-analyse-methoden, vooral bij heterogene datasets.
Dit artikel onderzoekt de asymptotische eigenschappen van cut-verdelingen, bewijst een Bernstein-von Mises-stelling en stelt een algoritme op basis van Posterior Bootstrap voor dat betrouwbare credible regions biedt voor robuuste modulaire Bayesiaanse inferentie.
Deze studie biedt een analytische karakterisering van de flexibiliteit van de synthetische controlemethode in de vorm van vrijheidsgraden, waarmee schatbare informatiecriteria worden afgeleid die cross-validatie kunnen vervangen bij modelselectie en die in een toepassing op het Tianjin-verkeersbeleid blijken te presteren boven cross-validatie.