219 papers
Dit artikel presenteert een volledig niet-parametrische methode voor het construeren van tolerantie-intervallen met behulp van een gekalibreerde Gibbs-posterior, die in vergelijking met klassieke methoden kortere intervallen biedt bij behoud van betrouwbare frequentistische dekking.
Dit artikel herbeoordeelt het concept van partiële copula's als een niet-lineair equivalent van partiële correlatie om statistische afhankelijkheid te modelleren na correctie voor covariaten, en toont aan hoe de eigenschappen van conditionele copula's de vorm van de partiële copula beperken, met toepassingsmogelijkheden in causale inferentie.
Dit artikel ontwikkelt een causaal overlevingsframework voor platformtrials dat aantoont dat het gebruik van alleen gelijktijdige controles met covariaat-gecorrigeerde dubbel robuuste schatters de meest robuuste strategie is om bias te voorkomen en precisie te verbeteren, in plaats van niet-gelijktijdige controles te poolen.
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 introduceert een hiërarchisch Bayesiaanse schatter voor de variantie bij fijne stratificatie die, in vergelijking met bestaande methoden zoals het samenvoegen van strata en kernschatters, superieure resultaten oplevert met een kleinere frequentistische gemiddelde kwadratische fout en minder vertekening, zoals aangetoond door simulaties en analyses van nationale gezondheids- en mentale gezondheids-enquêtes.
Deze paper introduceert een nieuw Bayesiaans niet-parametrisch model dat heterogene populaties van netwerken cluster op basis van connectiviteitspatronen, waarbij het de theoretische consistentie en praktische toepasbaarheid, onder meer op hersennetwerkdata, aantoont.
Dit boek biedt een pedagogische en verenigde presentatie van de fundamentele technische argumenten en bewijzen voor conformale voorspelling en gerelateerde distributie-vrije inferentietechnieken, die waardevolle onzekerheidskwalificatiegaranties bieden voor complexe machinelearning-systemen zonder aannames over de data-genererende verdeling.
Dit paper introduceert snelle algoritmen voor het updaten van de R-matrix in QR-decompositie, die de rekenkosten voor dynamische statistische toepassingen zoals regressie en modelselectie aanzienlijk verlagen zonder in te leveren op nauwkeurigheid.
Dit artikel introduceert een dubbel robuuste schatter voor het gemiddelde behandelingseffect op de behandelde (ATT) in difference-in-differences-analyses door covariaatbalancering te combineren met propensity score-weging, en leidt bovendien een nieuw modelselectie-criterium af dat aanzienlijk verschilt van traditionele AIC-achtige straffen.
Dit artikel introduceert nieuwe powerformules en een praktische resampling-methode voor het ontwerpen en analyseren van klinische trials die de gelijkheid van één of meerdere quantielen bij recht-censuurdata vergelijken, waarbij de methode effectief is wanneer de proportional hazards-aanname niet geldt.
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.
Dit artikel introduceert een correct gecentreerde IV-schatter voor lineaire modellen met geclusterde data en hoge dimensie, die complexe uitsluitingsrestricties en binnen-cluster afhankelijkheid verwerkt en wordt geïllustreerd aan de hand van een grootschalig fiscaal interventieproject in het platteland van Kenia.
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 introduceert een nieuwe oppervlakte-decompositiemethode, aangevuld met een belangrijkheidssteekproefstrategie, voor de efficiënte gevoeligheidsanalyse van de dynamische betrouwbaarheid van eerste-doorgang bij lineaire systemen ondergaande aan Gaussische willekeurige excitatie.
Dit paper introduceert het R-pakket `afttest`, dat nieuwe en bestaande diagnostische tools voor semiparametrische versnelde overlevingstijdmodellen biedt, waaronder een computerefficiënte resampling-methode die de rekentijd aanzienlijk verkort ten opzichte van traditionele bootstrap-technieken.
Deze paper presenteert een vooraf geregistreerde simulatiestudie die concludeert dat Bayesiaanse modelaveraging met g-priors het beste presteert bij logistische regressie zonder scheiding, terwijl straffingsmethoden zoals LASSO de meest stabiele resultaten bieden bij scheiding.
Dit paper introduceert een nieuwe bias-correctieprocedure die het verband tussen robuuste bias-correctie en bootstrap-prepivoting benut, waardoor betrouwbaarheidsintervallen voor niet-parametrische regressie en regressie-discontinuïteitsontwerpen 17% korter zijn zonder de asymptotische dekking te compromitteren.
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 artikel presenteert een latent space Gaussian mixture-of-experts-model met een group-fused LASSO-straf om veranderingen in de verdeling van fytoplankton, gemeten via flowcytometrie, te detecteren en zo overgangszones tussen mariene provincies te identificeren.