297 papers
Dit paper introduceert een methode voor het identificeren van causale generalized linear models via Pearson-risicoinvariantie, die zelfs met data uit één omgeving mogelijk is en geïmplementeerd is in het R-pakket causalreg.
Dit artikel introduceert een nieuw Metropolis-Hastings-algoritme dat gebruikmaakt van subsampling en controlevariaties om exacte en efficiënte Bayesiaanse inferentie mogelijk te maken op grote datasets, waarbij de berekeningstijd aanzienlijk wordt verkort ten opzichte van bestaande methoden.
Deze paper introduceert een verkennend beperkt latent-klassenmodel voor polytome responsen met ordinale attributen en respondentcovariaten, dat via een multivariate probit-specificatie correlaties tussen attributen toestaat en in een toepassing op depressiedata een meer genuanceerde latente structuur onthult dan eerdere single-factor-benaderingen.
Dit artikel introduceert een nieuw niet-parametrisch raamwerk voor het detecteren van veranderingen in de gemiddelde richting van toroïdale en sferische meteorologische data, zoals windrichtingen en cyclonpaden, door gebruik te maken van intrinsieke meetkunde en de Kolmogorov-verdeling.
Dit artikel introduceert een robuuste Bayesiaanse aanpak met transfer learning en polyhazard-modellen om stabiele en interpreteerbare extrapolaties van overlevingskansen te genereren voor gezondheids-economische evaluaties in diverse medische contexten.
Dit artikel toont aan dat een mengsel van niet-centrale Wishart-verdelingen met dezelfde vrijheidsgraden opnieuw een niet-centrale Wishart-verdeling oplevert, en gebruikt dit resultaat om de verdeling van toetsstatistieken voor toevalseffecten in meervoudige factorontwerpen met meervoudig normale data af te leiden, waarmee eerdere eendimensionale bevindingen worden uitgebreid.
Dit artikel introduceert de Multi-rank Subspace-CUSUM (MRS-C) procedure voor het real-time detecteren van veranderingen in de covariantiestructuur van hoogdimensionale streamingdata, met name voor het monitoren van robotzwermen, en bewijst dat deze methode asymptotisch optimaal is in vergelijking met de oracle Exact CUSUM.
Dit artikel breidt het wgsLR-model uit voor shotgun DNA-sequencing in de forensische genetica door asymmetrische en onbekende genotypefoutkansen te modelleren, wat resulteert in robuuste en conservatieve bewijskrachtschattingen die zijn geïmplementeerd in het R-pakket wgsLR.
Dit paper introduceert een nieuwe respons-adaptieve randomisatiemethode die Thompson Sampling stabiliseert door middel van Bayesiaanse hypothese-toetsing, waardoor een evenwicht wordt gevonden tussen dynamische toewijzing aan effectieve behandelingen en de statistische betrouwbaarheid van traditionele gelijke randomisatie.
Deze paper introduceert BLAST, een Bayesiaans raamwerk voor transferlering dat globale-lokale shrinkage-priors en Bayesiaanse bronselectie combineert om in hoge-dimensionale lineaire regressie zowel nauwkeurige inferentie als robuuste onzekerheidskwantificatie te bereiken door nuttige bronnen te benutten en negatieve transfer te voorkomen.
Dit artikel biedt een praktische handleiding voor het analyseren van multivariate en ruimtelijke extremen met behulp van het R-pakket ExtremalDep, waardoor professionals uit diverse sectoren beter in staat zijn om risico's van extreme gebeurtenissen te beoordelen.
Deze paper introduceert het BHARP-model, een zelfstandig Bayesiaans raamwerk dat via een aanpasbare willekeurige partitie en reversibele jump MCMC-sampling behandelingseffect-heterogeniteit in adaptieve verrijkingstrialen nauwkeuriger en flexibeler schat dan bestaande methoden.
Deze paper introduceert een niet-parametrisch, sequentieel raamwerk voor het vergelijken van risicomaatstaven aan de hand van e-waarden, wat robuuste en altijd-geldende inferentie biedt voor financiële regelgeving, inclusief een verbeterde drie-zone-aanpak voor zwakke dominantie.
Deze studie introduceert een geavanceerd, met lasso-straf geoptimaliseerd Hidden Markov Model om te bepalen dat narwals tot op 4 kilometer afstand reageren op scheepvaart door hun bewegingspatroon aan te passen, en biedt zo een robuust kader voor het kwantificeren van gedragsreacties op verstoringen in het wild.
Dit artikel betoogt dat de strikte Neymaniaanse interpretatie van betrouwbaarheidsintervallen als louter 'wel of niet' dekkend onhoudbaar is, en pleit voor een modelgebaseerd perspectief waarbij ex-post dekkingskansen als voorspellende waarschijnlijkheid kunnen worden beschouwd.
Dit artikel biedt een decision-theoretische interpretatie van betrouwbaarheidsintervallen door 'betrouwbaarheid' te behandelen als een probabilistische voorspelling van de dekking, waarbij wordt aangetoond dat het nominale niveau 1-alpha de optimale constante voorspelling is en dat conditionele verfiningen mogelijk zijn zonder toevlucht te nemen tot Bayesiaanse priors.
Hoewel de keuze voor een datacontext in statistiekopdrachten geen significant effect had op de cijfers, bleek uit de studie dat het bieden van keuze de motivatie, betrokkenheid en autonomie van studenten verhoogt en hun waardering voor de realiteitswaarde van statistiek vergroot.
Dit artikel introduceert nieuwe proximaal causale inferentiemethoden die, door gebruik te maken van externe controlegegevens en specifieke variabele strategieën, de effectiviteit van cabotegravir in een HIV-preventiestudie betrouwbaar kunnen vergelijken met een placebo, zelfs bij lage incidentiepercentages en ongemeten verschillen tussen studies.
Dit artikel introduceert een methodologisch kader voor variabele selectie in lineaire regressie-imputatie van surveydata, waarbij een optimale imputatiemodel wordt gedefinieerd en asymptotisch geldige betrouwbaarheidsintervallen worden ontwikkeld die ook gelden na modelselectie.
Dit artikel introduceert een nieuwe regressiemethode die zowel bestand is tegen casewise en cellwise outliers als om kan gaan met ontbrekende waarden, en die bovendien robuuste voorspellingen voor nieuwe data mogelijk maakt.