161 artigos
Este artigo propõe um framework unificado de calibração que integra informações heterogêneas, como dados auxiliares e previsões de aprendizado de máquina, em experimentos randomizados adaptativos a covariáveis, garantindo validade assintótica e eficiência sem prejuízo ao estimar efeitos de tratamento.
Este artigo estabelece a lei assintótica de formas quadráticas de vetores aleatórios auto-normalizados com caudas pesadas, demonstrando que sua distribuição limite é governada apenas pelos elementos diagonais da matriz e pelo índice de estabilidade , e aplica esse resultado para caracterizar a lei de Marčenko--Pastur -pesada de matrizes de correlação amostral.
Este artigo resolve o problema da não unicidade dos campos ancilares máximos ao introduzir uma perspectiva assintótica que define sequências de campos ancilares de nuisance localmente assintoticamente máximos, demonstrando que procedimentos semiparametricamente eficientes podem ser construídos sobre esses campos para eliminar a nuisance sem necessidade de estimação, alcançando limites de eficiência mesmo em amostras finitas através de ranks e sinais residuais baseados em transporte de medida.
Este artigo propõe e analisa um estimador de densidade não paramétrico baseado em um kernel de Dirichlet adaptativo com ponderação por probabilidade inversa para dados composicionais com valores ausentes, demonstrando sua superioridade sobre métodos de transformação em simulações e aplicando-o a dados de composição de leucócitos do NHANES.
Esta monografia oferece uma visão rigorosa dos aspectos teóricos e metodológicos da inferência probabilística e do aprendizado com o método de Stein, detalhando a construção de discrepâncias de Stein, suas propriedades e sua conexão com o descenso de gradiente variacional de Stein.
O artigo propõe o método TV-Select, um quadro unificado que utiliza penalização dupla e splines B para realizar a seleção estrutural simultânea de variáveis e determinar se seus efeitos em modelos de dados longitudinais são constantes ou variáveis no tempo, garantindo consistência na seleção e propriedades assintóticas ótimas.
Este artigo propõe um teste Bayesiano baseado em fatores para endogeneidade, utilizando a estrutura de verossimilhança empírica exponencialmente inclinada, que demonstra consistência assintótica na seleção correta entre modelos de regressão com regressores exógenos ou endógenos e é aplicado a estudos de demanda de automóveis e volume de passageiros aéreos.
Este artigo utiliza o filtro de partículas (SMC) para analisar teoricamente e empiricamente o compromisso entre custo e precisão em métodos de inferência de linguagem que agregam múltiplas amostras, identificando critérios de garantia, melhorias algorítmicas e limites fundamentais, embora os resultados empíricos sugiram que a precisão final dependa de fatores além do erro de amostragem.
Este artigo investiga a estimação pontual e intervalar da entropia diferencial de duas populações normais com restrições de ordem, propondo estimadores melhorados que superam o melhor estimador equivariante afim e intervalos de confiança variados, validados por simulações numéricas e uma aplicação real em sistemas de ar-condicionado de aeronaves.
Este artigo desenvolve uma teoria de inferência pós-hoc assintótica que permite níveis de significância dependentes dos dados, superando as limitações de métodos não assintóticos ao oferecer intervalos de confiança e valores-p mais precisos com pressuposições mais fracas.
Este artigo introduz o coeficiente -footrule, uma medida de contra-monotonicidade baseada em cópulas definida como a distância à cópula , demonstra sua relação com o gamma de Gini e o footrule de Spearman, e propõe um estimador baseado em postos com propriedades estatísticas assintóticas validadas por simulações.
Este artigo estabelece o expoente de erro ótimo para testes de hipóteses sensíveis ao contexto com observações i.i.d. ponderadas, demonstrando que o limite assintótico da perda total é governado por uma informação de Chernoff ponderada derivada de famílias exponenciais de misturas geométricas.
Este artigo investiga a identificabilidade do sinal de efeitos causais em equações diferenciais estocásticas lineares contínuas e estacionárias com estrutura causal conhecida, relaxando a suposição de uma matriz de difusão conhecida e estabelecendo critérios para determinar se o sinal de um coeficiente de deriva é unicamente determinado a partir de matrizes de covariância observacionais sob uma noção de fidelidade.
Este artigo propõe um novo quadro variacional baseado na decomposição par-ímpar das funções de suporte para analisar a correlação entre tamanho e localização em processos de conjuntos aleatórios convexos, definindo novos índices de dependência geometricamente interpretáveis e estabelecendo leis dos grandes números sob condições de mistura .
Este artigo estabelece a distribuição espectral limite de matrizes de correlação de Kendall em regimes de alta dimensão moderada, permitindo heterogeneidade distribucional e não apenas observações i.i.d., e aplica esse resultado para desenvolver uma ferramenta gráfica que evita a detecção espúria de dependência em dados de alta dimensão.
Este artigo propõe um estimador baseado em séries de Laguerre para coeficientes funcionais em modelos de coeficientes variáveis, demonstrando que ele atinge taxas de convergência minimax ótimas, estabelece sua normalidade assintótica para inferência estatística e valida o método por meio de simulações e aplicação a dados reais.
Este artigo investiga a inferência bayesiana de emparelhamentos ocultos em conjuntos de pontos correlacionados unidimensionais, demonstrando que, no modelo de emparelhamento parcial, a distribuição posterior pode ser aproximada localmente e possui um limite bem definido, enquanto no modelo exato essa aproximação requer uma ordenação global e uma indexação cuidadosa baseada em fluxo para estabelecer o limite de volume infinito.
Este artigo investiga as distribuições de corte sob uma perspectiva assintótica, estabelecendo um teorema de Bernstein-von Mises e uma aproximação de Laplace, e propõe um algoritmo baseado no Posterior Bootstrap que garante cobertura assintótica frequentista nominal para regiões de credibilidade em cenários de inferência modular robusta.
Este artigo desenvolve um quadro teórico e um algoritmo numérico para resolver o problema inverso contínuo de equações diferenciais rugosas, permitindo a construção de um caminho rugoso a partir de uma trajetória observada discretizada através da resolução de problemas inversos discretos que convergem em variação .
Este artigo propõe um método para estimar as taxas de falha em sistemas de tempo real estáticos e periódicos com prioridade Rate Monotonic, utilizando uma aproximação da distribuição de tempos de resposta por meio de uma mistura de distribuições Inverse Gaussian e um algoritmo Expectation-Maximization adaptado, cuja eficácia é validada por simulações extensivas.