254 papers
Dit paper introduceert ForwardFlow, een frequentistische deep learning-methode die uitsluitend gebruikmaakt van simulaties om een neuraal netwerk te trainen dat complexe statistische inverse problemen oplost en parameters schat met eigenschappen zoals eindige steekproefnauwkeurigheid en robuustheid.
Dit artikel introduceert een verenigd Bayes-optimalisatiekader met Gaussian processes dat minimalisatie en zadelzoektochten op potentie-energiefuncties versnelt door een uniforme zesstaps-lus, geavanceerde kernel-uitbreidingen en schaalbare random Fourier-features te combineren met pedagogische Rust-implementaties.
Dit artikel introduceert een nieuw model gebaseerd op de beperkte Shapley-waarde en de 'expected Goal Action' (xGA) om de bijdrage van individuele voetballers aan schotaanvallen in het Italiaanse Serie A-seizoen 2022/23 te kwantificeren, waarbij rekening wordt gehouden met de coöperatieve aard van teaminteracties en tactische beperkingen.
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 onderzoekt de constructie van positief definiete functies die specifieke waarden op correlation matrices thresholden zonder de positieve semidefiniete eigenschap te verliezen, en toont aan dat soft-thresholding die deze eigenschap behoudt noodzakelijkerwijs leidt tot een geometrische ineenstorting van de feature space die de herstelbare signaalkwaliteit beperkt.
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 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.
Deze studie introduceert een geïntegreerd, tijdsvariërend Ornstein-Uhlenbeck-proces dat individuele verplaatsingsdata en populatieverspreiding van gouden adelaars gezamenlijk modelleert, waardoor nauwkeurigere risicobewertingen voor windparken en betere voorspellingen van migratiepatronen mogelijk worden dan met eerdere methoden.
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.
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 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.
Deze studie, gebaseerd op data van het 'All of Us'-programma, toont aan dat patiënten met een totale knie- of heupprothese een progressieve daling in fysieke activiteit vertonen voor de operatie, gevolgd door een gestage postoperatieve herstelcurve die binnen ongeveer 13 tot 22 weken terugkeert naar het preoperatieve niveau, waarbij een hogere activiteit vlak voor de ingreep de kans op volledig herstel vergroot.
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.