stat.ME artigos | Gist.Science

Computationally efficient multi-level Gaussian process regression for functional data observed under completely or partially regular sampling designs

Este artigo apresenta um modelo de regressão por processos Gaussianos multinível computacionalmente eficiente para dados funcionais amostrados em grades regulares, derivando expressões analíticas exatas que permitem o ajuste de grandes conjuntos de dados com uma velocidade significativamente superior às implementações padrão e disponibilizando uma solução na linguagem Stan.

Adam Gorm Hoffmann, Claus Thorn Ekstrøm, Andreas Kryger Jensen2026-03-10📊 stat

Causal generalized linear models via Pearson risk invariance

Este artigo propõe um método para identificar modelos causais generalizados lineares utilizando a invariância do risco de Pearson e a maximização da verossimilhança, permitindo a descoberta causal a partir de um único ambiente de dados para certos modelos, como regressão de Poisson e logística, e implementado no pacote R `causalreg`.

Alice Polinelli, Veronica Vinciotti, Ernst C. Wit2026-03-10📊 stat

Metropolis--Hastings with Scalable Subsampling

Este artigo apresenta um novo algoritmo Metropolis-Hastings com subamostragem escalável que utiliza variáveis de controle para garantir inferência bayesiana exata e eficiente em grandes conjuntos de dados, exigindo subamostras menores e sendo computacionalmente mais eficiente do que métodos existentes.

Estevão Prado, Christopher Nemeth, Chris Sherlock2026-03-10📊 stat

A Restricted Latent Class Model with Polytomous Attributes and Respondent-Level Covariates

Os autores apresentam um modelo exploratório de classes latentes restritas que integra atributos polinomiais ordinais correlacionados e covariáveis em nível de respondente, demonstrando sua eficácia na recuperação de parâmetros e na identificação da estrutura latente da depressão, superando as limitações das abordagens de fator único.

Eric Alan Wayman, Steven Andrew Culpepper, Jeff Douglas + 1 more2026-03-10📊 stat

Intrinsic Geometry-Based Angular Covariance: A Novel Framework for Nonparametric Changepoint Detection in Meteorological Data

Este artigo apresenta um novo framework não paramétrico baseado na geometria intrínseca para detectar mudanças abruptas na direção média de dados angulares bivariados (toroidais e esféricos), validado através de testes estatísticos consistentes e aplicado à detecção de alterações em dados de direção de ondas e ao trajeto do ciclone Biporjoy.

Surojit Biswas, Buddhananda Banerjee, Arnab Kumar Laha2026-03-10📊 stat

Stable Survival Extrapolation via Transfer Learning

Este artigo propõe uma abordagem estável para extrapolação de sobrevivência que combina modelos de mortalidade bayesianos com transferência de aprendizado e modelos polihazard flexíveis para estimar a sobrevivência média em contextos de saúde, como câncer de mama, arritmia cardíaca e melanoma, garantindo robustez e interpretabilidade.

Anastasios Apsemidis, Nikolaos Demiris2026-03-10📊 stat

Inferring the dynamics of quasi-reaction systems via nonlinear local mean-field approximations

Este artigo propõe um método de aproximação de campo médio não linear, baseado em uma expansão de Taylor de primeira ordem da taxa de hazard, para estimar parâmetros cinéticos em sistemas de reação quase estocásticos com maior precisão e eficiência computacional, especialmente em dados com grandes intervalos de tempo e rigidez, superando as limitações das abordagens lineares e demonstrando aplicabilidade em dados biológicos de diferenciação celular.

Matteo Framba, Veronica Vinciotti, Ernst C. Wit2026-03-10🧬 q-bio

Multi-Rank Subspace Change-Point Detection for Monitoring Robotic Swarms

Este artigo propõe o procedimento MRS-C para a detecção em tempo real de mudanças de subespaço de baixo posto em dados de enxames robóticos, demonstrando sua otimalidade assintótica e robustez através de análises teóricas e validação empírica.

Jonghyeok Lee, Yao Xie, Youngser Park + 3 more2026-03-10📊 stat

Policy relevance of causal quantities in networks

O artigo argumenta que, em redes onde os resultados são interdependentes, o "resultado médio esperado" é o estimando preferível para a formulação de políticas, pois combina uma interpretação clara como resumo de efeitos individuais com a suficiência necessária para a escolha ótima de políticas de utilidade social, superando as limitações de outras medidas comuns.

Sahil Loomba, Dean Eckles2026-03-10📈 econ

Stabilizing Thompson Sampling with Null Hypothesis Bayesian Response-Adaptive Randomization

O artigo propõe um método de randomização adaptativa baseada em resposta (RAR) que estabiliza o amostragem de Thompson ao introduzir uma hipótese nula de igual eficácia, utilizando média de modelos bayesianos para equilibrar a alocação dinâmica com a aleatorização estática e mitigar problemas de variabilidade e inferência, com implementação disponível no pacote R `brar`.

Samuel Pawel, Leonhard Held2026-03-10📊 stat

Bayesian Transfer Learning for High-Dimensional Linear Regression via Adaptive Shrinkage

O artigo apresenta o BLAST, uma nova estrutura de aprendizado por transferência bayesiana para regressão linear de alta dimensão que combina seleção adaptativa de fontes de dados e priores de contração global-local para melhorar a inferência e a quantificação de incerteza, superando métodos existentes em precisão e evitando transferência negativa.

Parsa Jamshidian, Donatello Telesca2026-03-10📊 stat

Linear Multidimensional Regression with Interactive Fixed-Effects

Este artigo propõe um estimador de regressão linear para dados de painel multidimensionais com efeitos fixos interativos, que combina métodos de fator de Bai (2009) com uma transformação ponderada dentro do grupo para alcançar consistência na taxa paramétrica e normalidade assintótica, sendo aplicado para estimar a elasticidade-preço da demanda por cerveja.

Hugo Freeman2026-03-06💻 cs

Modeling extremal dependence in multivariate and spatial problems: a practical perspective

Este artigo apresenta uma visão prática da teoria de valores extremos multivariados e espaciais, fornecendo instruções detalhadas para a análise de riscos de eventos extremos utilizando o pacote R ExtremalDep através de diversas aplicações do mundo real.

Boris Beranger, Simone A. Padoan2026-03-06📊 stat

Estimation of relative risk, odds ratio and their logarithms with guaranteed accuracy and controlled sample size ratio

O artigo propõe estimadores baseados em amostragem sequencial de dois estágios para risco relativo, razão de chances e seus logaritmos, garantindo um erro quadrático médio relativo abaixo de um valor-alvo para quaisquer parâmetros populacionais e mantendo a razão entre os tamanhos de amostra próxima de um valor prescrito.

Luis Mendo2026-03-06🔢 math

Ice Cream Doesn't Cause Drowning: Benchmarking LLMs Against Statistical Pitfalls in Causal Inference

Este artigo apresenta o CausalPitfalls, um benchmark abrangente que avalia a capacidade de modelos de linguagem de grande escala (LLMs) de superar armadilhas estatísticas comuns na inferência causal, revelando limitações significativas em sua confiabilidade para aplicações do mundo real.

Jin Du, Li Chen, Xun Xian + 6 more2026-03-06💻 cs

Random irregular histograms

O artigo propõe um método totalmente automático e bayesiano para a construção de histogramas irregulares que seleciona tanto o número quanto a localização dos intervalos com base nos dados, garantindo consistência e taxas de convergência ótimas, além de demonstrar desempenho competitivo em estudos de simulação.

Oskar Høgberg Simensen, Dennis Christensen, Nils Lid Hjort2026-03-06🔢 math

Identifying Treatment Effect Heterogeneity with Bayesian Hierarchical Adjustable Random Partition in Adaptive Enrichment Trials

O artigo propõe o modelo BHARP, uma estrutura bayesiana hierárquica que utiliza partições aleatórias ajustáveis para identificar heterogeneidade de efeitos de tratamento em ensaios clínicos adaptativos, superando limitações de métodos existentes ao estimar simultaneamente efeitos específicos de subgrupos e padrões de heterogeneidade com calibração automática do empréstimo de força.

Xianglin Zhao, Shirin Golchi, Jean-Philippe Gouin + 1 more2026-03-06📊 stat

Bayesian Inference for PDE-based Inverse Problems using the Optimization of a Discrete Loss

Este trabalho apresenta o B-ODIL, uma extensão bayesiana do método de otimização de perda discreta (ODIL) para resolver problemas inversos baseados em equações diferenciais parciais, permitindo a inferência de soluções com incertezas quantificadas, como demonstrado em benchmarks sintéticos e na estimativa da concentração de tumores cerebrais a partir de ressonâncias magnéticas.

Lucas Amoudruz, Sergey Litvinov, Costas Papadimitriou + 1 more2026-03-06🔬 physics

Testing Most Influential Sets

Este artigo apresenta um quadro rigoroso para testar a influência excessiva de subconjuntos de dados em modelos de mínimos quadrados lineares, derivando fórmulas exatas e distribuições de valores extremos que permitem testes de hipóteses formais para substituir heurísticas ad hoc em diversas áreas.

Lucas Darius Konrad, Nikolas Kuschnig2026-03-06🔢 math

Comparative e-backtests for general risk measures

Este artigo propõe um framework não paramétrico sequencial para backtests comparativos de medidas de risco gerais, utilizando e-valores e e-processos para garantir inferências válidas a qualquer momento, robustez sob dependência e especificação incorreta do modelo, além de introduzir uma abordagem modificada de três zonas baseada em dominância fraca para obter conclusões mais informativas.

Zhanyi Jiao, Qiuqi Wang, Yimiao Zhao2026-03-06📊 stat

← Anterior Próximo →