219 papers
Deze paper introduceert een meetkundig raamwerk op basis van hoofdvezelbundels om de fundamentele beperkingen en kansen bij het leren van differentiaalvergelijkingen die de evolutie van tijdsafhankelijke netwerken besturen via Random Dot Product Graphs te analyseren, waarbij het de onlosmakelijke relatie tussen geometrische kromming, statistische onzekerheid en de identificeerbaarheid van dynamica belicht.
Deze paper introduceert een robuuste methode voor locatieschatting op diverse matrixvariëteiten, gebaseerd op de geprojecteerde Frobenius-median, die zowel theoretische eigenschappen als praktische toepasbaarheid op real-world datasets zoals aardbevingsmomententensors aantoont.
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 artikel introduceert GRID-MOM, een robuust grid-gebaseerd schattingsmethode voor de afgeknotte scheve normaalverdeling die de complexiteit van de optimalisatie verlaagt en numerieke stabiliteit biedt door het vormparameter te scheiden van de locatie- en schaalparameters.
Dit artikel introduceert een hiërarchisch Bayesiaans dynamisch spel voor competitieve voorraad- en prijsbepaling onder onvolledige informatie, waarbij firms leren, strategische overtuigingen bijwerken en beslissingen nemen op basis van een 'credible-risk'-criterium dat toekomstige winst beloopt en posterioronzekerheid straft.
Deze paper introduceert de bivariate RIVW-schatter (BRIVW), een nieuwe methode voor Mendeliaanse randomisatie die tegelijkertijd de 'winner's curse' en steekproefstructuur corrigeert door de gezamenlijke verdeling van SNP-associaties te modelleren, wat leidt tot nauwkeurigere causale effectschattingen dan bestaande methoden.
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.
Dit paper introduceert het Learn-As-you-GO (LAGO)-ontwerp als een adaptieve methode om complexe gezondheidsinterventies tijdens het onderzoek te optimaliseren, waardoor de kans op mislukte trials wordt verminderd en effectieve, kostenefficiënte oplossingen worden bereikt, zoals geïllustreerd aan de hand van de BetterBirth-studie en lopende HIV- en NCD-trials.
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.
Dit artikel toont aan dat stabiliteitsgebaseerde, boomgebaseerde methoden waardevolle complementaire hulpmiddelen zijn voor de detectie van interactie-effecten in meta-regressie, vooral wanneer de relaties niet-lineair zijn of de steekproefgrootte toeneemt, terwijl traditionele lineaire methoden beter presteren bij strikt lineaire interacties.
Dit artikel introduceert DistBART, een Bayesiaanse niet-parametrische methode voor distributieregressie die Bayesiaanse additieve regressiebomen (BART) combineert met een lineaire functionaal om voorspellingen te doen op basis van distributie-gebaseerde voorspellers, waarbij zowel theoretische convergentie als schaalbaarheid door random-feature benaderingen worden gegarandeerd.
Dit artikel onderzoekt via een Monte Carlo-simulatie hoe de versterkingsparameter in het Finite Selection Model de prestaties van schatters beïnvloedt, en concludeert dat een gematigde versterking de covariatenbalans verbetert terwijl overmatige versterking de variantie kan verhogen.
Dit artikel onderzoekt de convergentie van voorspellende verdelingen voor functionele hoofdcomponenten van schaars gesamplede longitudinale data naar de ware waarden bij overgang naar dichte sampling, en biedt een oplossing voor inconsistentie in puntvoorspellingen binnen functionele lineaire modellen.
Dit artikel introduceert een op onafhankelijkheidstoetsing gebaseerde voorwaarde (AIT) om de geldigheid van instrumentvariabelen te testen in additieve niet-lineaire modellen met niet-constante effecten en ongemeten verstorende factoren, waarbij zowel discrete als continue behandelingen worden behandeld.
Dit artikel introduceert een nieuwe diagnose voor parameterspecifieke bias in random-effects paneldata-modellen die de Hausman-test aanvult door interne schattingen van eindsteekproefbias en permutatiegebaseerde p-waarden te bieden op basis van één enkel gefit model.
Dit paper introduceert ResNMTF, een nieuwe methode voor multi-view biclustering via niet-negatieve matrixtri-factorisatie die overlappende en niet-uitputtende biclusters kan identificeren zonder vooraf kennis van het aantal clusters, en introduceert bovendien de bisilhouet-score als een geschikte intrinsieke maatstaf voor validatie en hyperparameteroptimalisatie.
Deze studie presenteert semiparametrische efficiënte schatters en een inferentiekader voor het aanpassen van covariaten in meercentrische gerandomiseerde trials, waarbij rekening wordt gehouden met clusterings effecten om de schattingsnauwkeurigheid te verbeteren en de dekking van betrouwbaarheidsintervallen te waarborgen, zelfs bij modelmisspecificatie.
Dit artikel introduceert een nieuw criterium voor praktische identificeerbaarheid, genaamd (e, q)-identificeerbaarheid, en combineert dit met een efficiënte, op zwakke vormen gebaseerde schattingstechniek (WENDy) om parameters van systemen met niet-geobserveerde variabelen sneller en robuuster te bepalen in aanwezigheid van ruis.
Dit artikel presenteert een raamwerk voor het onderscheiden en schatten van operationele en ultieme capaciteit in multimodale zeehavens, waarbij het Haven van Houston als casestudy dient om aan te tonen dat vloeibare bulkterminals en pilotbeschikbaarheid onder verschillende omstandigheden de kritieke knelpunten vormen.
Dit artikel introduceert nieuwe asymptotische resultaten en praktische betrouwbaarheidsintervallen voor de adaptieve LASSO-schatter in cointegratieregressies met regressoren die dicht bij een eenheidswortel liggen, waarmee de beperkingen van de traditionele orakel-eigenschap worden overwonnen en betrouwbare onzekerheidskwantificering mogelijk wordt gemaakt zonder kennis van lastige parameters.