252 papers
Dit artikel presenteert een schaalbare methode om stochastische waarderingsfuncties, zoals die voorkomen in teamprestaties en economische productie, te benaderen door middel van gediskretiseerde verdelingen met een beperkte steekproefgrootte die een constante benadering garanderen voor verzamelingen tot grootte .
Dit artikel introduceert een eenvoudige methode voor nauwkeurige onzekerheidskwantificatie in Bayesiaanse inferentie bij gemisificeerde of benaderende modellen door de gebruikelijke posterior te vervangen door een intuïtief alternatief dat dezelfde informatie overdraagt.
Dit artikel introduceert een robuuste Bayesiaanse methode voor het construeren van polygene risicoscores, genaamd PRS-Bridge, die een projectietechniek gebruikt om problemen met posterior-improperiteit op te lossen en een flexibele shrinkage-prior hanteert voor superieure prestaties.
Dit paper introduceert DELVE, een spectrale graf-filtermethode die modality-specifieke latente variabelen extraheert uit multimodale datasets door verschillen in connectiviteitspatronen tussen modaliteiten te benutten om gedeelde signalen te onderdrukken.
Dit artikel introduceert een model voor netwerktijdreeksen dat gebruikmaakt van een 'Euclidische spiegel' om eerste-orde changepoints te lokaliseren via spectrale schatting, wat zowel in gesimuleerde als in echte organoïde-netwerkdata effectief significantie verschuivingen in de netwerkevolutie aantoont.
Dit artikel ontwikkelt een theoretisch raamwerk en nieuwe niet-parametrische identificatieformules om causale effecten van toekomstige interventies te voorspellen door rekening te houden met tijdsvariërende verstorende factoren en effectmodificatie, met als doel te bepalen of resultaten uit het verleden overdraagbaar zijn naar een toekomstige populatie.
Dit artikel presenteert een nieuwe methode om gebieden met een tekort aan koelcentra te identificeren door persistent homologie toe te passen op een gefilterd getuige-complex, waarbij de resultaten worden vergeleken met traditionele hittekwetsbaarheidsindices om een vollediger beeld van de risico's te krijgen.
Dit artikel introduceert een robuust en schaalbaar kader voor de empirische beste voorspelling van armoede-indicatoren via een geneste foutenregressiemodel met hoogdimensionale parameters, dat rekenkundige beperkingen oplost, synthetische schattingen voor niet-geobserveerde gebieden verbetert en de onzekerheid kwantificeert, zoals geïllustreerd met Albanese data.
Dit artikel introduceert een identificeerbaar, beperkt latent klasse Hidden Markov-model voor longitudinale data met polytome responsen en covariaten, waarvan de effectiviteit wordt aangetoond via simulaties en toepassingen op wiskunde- en emotionele data.
Deze paper introduceert parallelle algoritmen voor het simuleren van Metropolis-Markovketens op basis van Picard-afbeeldingen, die de convergentie van gradient-vrije steekproefnemen naar log-concave verdelingen versnellen met een factor en succesvol worden toegepast op complexe problemen zoals hoge-dimensionale regressie en precisiegeneeskunde.
Deze studie introduceert een privacy-bewust, één-shot federatief raamwerk voor tijd-tot-event-analyse dat gebruikmaakt van pseudo-observaties en een debiasingsprocedure om flexibele, niet-proportionele hazardmodellen te schatten zonder individuele patiëntgegevens te delen.
Dit artikel karakteriseert de Palm-verdelingen van gesuperponeerde puntprocessen als een eenvoudige mengselrepresentatie en past dit toe op statistische inferentie, waaronder minimumcontrast-schatting en likelihood-gebaseerde methoden voor shot noise Cox-processen.
Dit paper introduceert DESA, een R-pakket dat schoolafwezigheidsdata gebruikt om influenza-epidemieën te modelleren, vroegtijdige waarschuwingen te genereren, de tijdigheid daarvan te evalueren en simulaties te faciliteren voor onderzoek en publieke gezondheidszorg.
Dit paper introduceert een intuïtieve en eenvoudig te implementeren methode op basis van afwijzingssteekproeven (rejection sampling) voor het vinden van statistische toetsen die in elke dimensie toepasbaar zijn en een vergelijkbare statistische power vertonen als de uniform meest krachtige toetsen.
Dit artikel presenteert een geometrische verfijning van de klassieke Cramér-Rao-ondergrens in het niet-asymptotische regime door krommingscorrecties op basis van de extrinsieke geometrie van de wortel-embeddings van statistische modellen te integreren, wat leidt tot verscherpte ondergrenzen voor estimatorvariantie.
Dit artikel leidt een vectoriële generalisatie van de Cramér-Rao-ondergrens af in het niet-asymptotische regime door extrinsieke geometrie te combineren met een Hilbertruimte-embeddingsmethode, waarbij richtingsafhankelijke krommingscorrecties en semidefiniete programmering worden gebruikt om de beperkingen van klassieke schattingen in gekromde statistische modellen aan te tonen.
Dit artikel introduceert een nieuwe semi-parametrische methode voor conditionele copula-modellen met behulp van loss-based Bayesian Additive Regression Trees (BART) en een adaptief Reversible Jump MCMC-algoritme om complexe afhankelijkheidsstructuren onder externe invloeden nauwkeurig te modelleren en overfitting te voorkomen.
Dit artikel introduceert een algemeen raamwerk voor 'centrale subruimte-data-diepte', een statistische methode die waarnemingen ordent op basis van hun afstand tot een subruimte in plaats van een enkel punt, waardoor het ideaal is voor het analyseren van distributies die symmetrisch zijn rond een subruimte en voor toepassingen zoals fraudedetectie.
Dit artikel breidt de definitie van de multidimensionale Dickman-verdeling uit naar vector-waardige stochastische elementen, bewijst dat deze verdeling oneindig deelbaar en operator-zelfontleedbaar is, en identificeert diverse situaties waarin deze als limietverdeling optreedt.
Hoewel de auteur de ethische motivatie voor een asymmetrische nutfunctie in de geneeskunde erkent, betoogt hij dat de toepasbaarheid van dit beslissingscriterium beperkt is.