97 artigos
Este artigo propõe um método prático baseado em estimadores de densidade de kernel (KDE) para quantificar o risco de divulgação de pertencimento em dados sintéticos tabulares, oferecendo uma avaliação de risco mais precisa e eficiente do que abordagens anteriores sem a necessidade de modelos sombra computacionalmente caros.
Este artigo propõe um novo framework baseado na teoria dos jogos cooperativos, utilizando o valor de Shapley Restrito do Jogador (PRS) e a métrica de Ação Esperada de Gol (xGA), para avaliar de forma mais precisa e contextualizada a contribuição individual dos jogadores em ações ofensiva de finalização no futebol, superando as limitações do xG tradicional ao considerar as interações em rede e a estrutura tática.
Este artigo propõe o uso de Verossimilhança Sintética Bayesiana (BSL) aprimorada por Hamiltonian Monte Carlo para melhorar a Regressão de Meta-análise de Rede Multinível (ML-NMR), permitindo a incorporação de resumos de subgrupos disponíveis em dados agregados para lidar com covariáveis individuais ausentes e demonstrando ganhos significativos de precisão em uma rede de ensaios clínicos sobre psoríase.
Este artigo propõe uma abordagem baseada em modelos de frequência mista para prever taxas de câmbio, demonstrando sua eficácia na superação das limitações causadas pela agregação temporal e na resolução do "puzzle" de Meese e Rogoff, com validação empírica no par CAD/USD.
Este artigo propõe um modelo de equação diferencial estocástica baseado em um processo de Ornstein-Uhlenbeck variante no tempo que integra dados de movimento individual e distribuição populacional de águias-reais, permitindo inferências mais robustas sobre a dinâmica espacial da espécie e a avaliação de riscos associados a parques eólicos.
Este artigo propõe um novo teste omnibus de ajuste de distribuição para dados contínuos univariados, baseado em momentos trigonométricos e na estrutura de covariância das estatísticas associadas, que oferece um procedimento plug-and-play com tamanho empírico preciso e alto poder para 11 famílias de distribuições, superando limitações do teste LK original.
Este artigo apresenta um algoritmo sequencial baseado em testes de Cochran multivariados e em um método de bootstrap multi-rodadas para identificar agrupamentos de centros em estudos multicêntricos distribuídos, garantindo a recuperação da partição verdadeira e oferecendo diretrizes práticas para lidar com a heterogeneidade de parâmetros.
Este artigo propõe um framework baseado em dados e no modelo de filas para planejar a capacidade de leitos em UTIs, demonstrando que heurísticas estáticas são inadequadas para lidar com a demanda flutuante e a variabilidade na duração da internação, conforme ilustrado em um estudo de caso com UTIs neonatais em Calgary.
Este artigo apresenta limites probabilísticos conservadores para o espectro da matriz de admitância e modelos de fluxo de potência sob incertezas de parâmetros, utilizando desigualdades de concentração de matrizes aleatórias para quantificar erros de aproximação e relacionar a propagação da incerteza à criticidade nodal em redes elétricas.
O artigo propõe uma reorganização algébrica intuitiva da decomposição da covariância de Yates para o escore de Brier, que expressa o erro de previsão probabilística como a soma de três termos não negativos (mismatch de variância, déficit de correlação e calibração global), tornando transparentes as condições de otimalidade para previsões perfeitas.
O artigo propõe uma abordagem de teste combinado adaptado para ensaios cluster randomizados de dois estágios, permitindo reavaliação de tamanho amostral, parada precoce e redesenho do estudo para otimizar custos e eficiência, especialmente em cenários com alta incerteza nos parâmetros de correlação intracluster.
O artigo apresenta o modelo behavior-dLDS, um sistema dinâmico linear decomposto que desentrelaça dinâmicas neurais latentes relacionadas ao comportamento de computações internas paralelas, demonstrando sua eficácia em dados simulados e sua escalabilidade para milhares de neurônios em gravações de larvas de peixe-zebra.
Este artigo propõe uma abordagem estatística para sustentar a cooperação em jogos repetidos infinitos com monitoramento imperfeito, introduzindo uma estratégia genérica de "testar e punir" que utiliza inferência estatística para detectar desvios e aplicar sanções, permitindo a obtenção de resultados do tipo Teorema Popular sob condições específicas de paciência dos jogadores.
Este estudo observacional longitudinal utilizando dados do programa "All of Us" e rastreadores Fitbit demonstrou que, embora a artroplastia total de joelho e quadril apresente um declínio progressivo de atividade física no período pré-operatório, os pacientes experimentam uma recuperação em três fases ao longo de dois anos, com o tempo de retorno aos níveis basais sendo significativamente influenciado pelo nível de atividade funcional imediatamente anterior à cirurgia.
Este artigo apresenta duas estratégias de localização para um esquema de assimilação de dados baseado em cadeias de Markov Monte Carlo sequenciais (SMCMC) que, ao evitar a degenerescência de pesos e lidar naturalmente com erros não-Gaussianos, demonstra superioridade em modelos geofísicos não-lineares e de alta dimensão em comparação com o filtro de Kalman transformado local (LETKF).
Este artigo propõe um novo modelo de processos de Hawkes multivariados que combina excitação aditiva e inibição multiplicativa para analisar a comunicação acústica animal, demonstrando sua eficácia na identificação de padrões de interação temporal em dados de suricatos e baleias.
Este tutorial apresenta uma abordagem bayesiana em duas etapas para quantificar a incerteza em dados de compressão por choque, demonstrando como gerar múltiplas curvas de Hugoniot consistentes com medições de velocidade de onda de choque e partícula, superando as limitações da regressão por mínimos quadrados e do *bootstrapping* tradicional.
Esta revisão de escopo oferece uma visão sistemática de modelos que combinam agrupamento de covariáveis com modelos de desfecho em estudos clínicos, distinguindo entre abordagens informadas e agnósticas, e destacando sua relevância para estratificação de risco e estimativa de efeitos de tratamento em populações heterogêneas com dados de alta dimensão.
Este estudo demonstra que a integração da Análise Topológica de Dados com aprendizado de máquina, utilizando descritores de homologia persistente sobre séries temporais de elevação do pé, melhora significativamente a precisão no diagnóstico diferencial entre Doença de Parkinson Idiopática e Parkinsonismo Vascular.
Este artigo propõe um modelo de Campo Aleatório de Markov Gaussiano Envolvido (WGMRF) para lidar com a modelagem estatística de grandes conjuntos de dados direcionais espaciais, superando as limitações computacionais dos métodos existentes e demonstrando melhor desempenho preditivo e escalabilidade através de simulações e da aplicação a dados de direção de ondas do tsunami de 2004 no Oceano Índico.