stat.ME artigos | Gist.Science

Random Dot Product Graphs as Dynamical Systems: Limitations and Opportunities

Este artigo estabelece um framework geométrico baseado em fibrados principais para analisar as limitações fundamentais e as oportunidades na aprendizagem de equações diferenciais que governam a evolução de redes temporais modeladas por Grafos de Produto Aleatório (RDPGs), demonstrando como a estrutura dinâmica pode resolver ambiguidades de gauge e unificando a dificuldade geométrica com a estatística através de lacunas espectrais.

Giulio Valentino Dalla RivaMon, 09 Ma🤖 cs.LG

Robust Estimation of Location in Matrix Manifolds Using the Projected Frobenius Median

Este artigo propõe um método robusto e computacionalmente eficiente para estimar a localização em diversas variedades matriciais, baseando-se na projeção da mediana de Frobenius do espaço euclidiano ambiente, e valida sua aplicabilidade, propriedades de robustez e normalidade assintótica através de simulações e de um conjunto de dados reais de tensores de momento sísmico.

Houren Hong, Kassel Liam Hingee, Janice L. Scealy, Andrew T. A. WoodMon, 09 Ma📊 stat

Two Localization Strategies for Sequential MCMC Data Assimilation with Applications to Nonlinear Non-Gaussian Geophysical Models

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).

Hamza Ruzayqat, Hristo G. Chipilski, Omar KnioMon, 09 Ma📊 stat

On parameter estimation for the truncated skew-normal distribution

Este artigo propõe o método GRID-MOM, uma abordagem baseada em grade que fixa o parâmetro de forma e estima os parâmetros de localização e escala via momentos, oferecendo uma alternativa estável e precisa para a estimação de parâmetros na distribuição normal assimétrica truncada, superando as instabilidades numéricas dos métodos existentes.

Kwangok Seo, Seul Lee, Johan LimMon, 09 Ma📊 stat

A Hierarchical Bayesian Dynamic Game for Competitive Inventory and Pricing under Incomplete Information: Learning, Credible Risk, and Equilibrium

Este artigo propõe um jogo dinâmico bayesiano hierárquico para gestão competitiva de inventário e preços sob informação incompleta, integrando aprendizagem sobre a demanda, atualização estratégica de crenças sobre os rivais e um critério de risco credível para obter um equilíbrio conservador robusto, cuja eficácia é validada por simulações e uma aplicação em dados biológicos.

Debashis ChatterjeeMon, 09 Ma🔢 math

Simultaneously accounting for winner's curse and sample structure in Mendelian randomization: bivariate rerandomized inverse variance weighted estimator

Este artigo propõe o estimador bivariado RIVW (BRIVW), um novo método para a randomização mendeliana que corrige simultaneamente a maldição do vencedor e a estrutura amostral, fornecendo estimativas de efeitos causais mais precisas e consistentes do que as abordagens existentes.

Xin Liu, Ping Yin, Peng WangMon, 09 Ma📊 stat

Clustering-Based Outcome Models for Clinical Studies: A Scoping Review

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.

Johannes Vilsmeier, Fabian Eibensteiner, Franz König, Francois Mercier, Robin Ristl, Nigel Stallard, Marc Vandemeulebroecke, Sarah Zohar, Martin PoschMon, 09 Ma📊 stat

Optimizing Complex Health Intervention Packages through the Learn-As-you-GO (LAGO) Design

Este artigo apresenta o desenho Learn-As-you-GO (LAGO), uma metodologia inovadora que otimiza intervenções de saúde complexas e multi-componentes adaptando-as durante a execução do estudo para garantir eficácia, poder estatístico e redução de custos, demonstrando como essa abordagem poderia ter evitado o fracasso do estudo BetterBirth na Índia e sendo aplicada em ensaios atuais sobre HIV e doenças não transmissíveis.

Donna Spiegelman (Center on Methods for Implementation,Prevention Science,,Department of Biostatistics, Yale University), Dong Roman Xu (Southern Medical University Institute for Global Health), Ante Bing (Department of Mathematics,Statistics, Boston University), Guangyu Tong (Section of Cardiovascular Medicine, Department of Internal Medicine, Yale University), Mona Abdo (Center on Methods for Implementation,Prevention Science,,Department of Biostatistics, Yale University), Jingyu Cui (Center on Methods for Implementation,Prevention Science,,Department of Biostatistics, Yale University), Charles Goss (Center for Biostatistics,Data Science, Washington University School of Medicine), John Baptist Kiggundu (Infectious Diseases Research Collaboration), Chris T. Longenecker (Division of Cardiology,Department of Global Health, University of Washington), LaRon Nelson (Yale School of Nursing, Yale University), Drew Cameron (Department of Health Policy,Management, Yale University), Fred Semitala (Infectious Diseases Research Collaboration,,Department of Medicine, Makerere University,,Makerere University Joint AIDS Program), Xin Zhou (Center on Methods for Implementation,Prevention Science,,Department of Biostatistics, Yale University), Judith J. Lok (Department of Mathematics,Statistics, Boston University)Mon, 09 Ma📊 stat

Large Wave Direction Data Modeling Using Wrapped Spatial Gaussian Markov Random Fields

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.

Arnab HazraMon, 09 Ma📊 stat

Variable selection in linear mixed model meta-regression with suspected interaction effects -- How can tree-based methods help?

Este artigo demonstra que, embora métodos lineares sejam superiores para detectar interações estritamente lineares em meta-regressões, as abordagens baseadas em árvores (especialmente as variantes com seleção de estabilidade e efeitos aleatórios) oferecem uma alternativa robusta e complementar quando as interações são não lineares ou o número de estudos é limitado, auxiliando na pré-seleção de variáveis e na análise de sensibilidade.

Jan-Bernd Igelmann, Paula Lorenz, Markus PaulyMon, 09 Ma📊 stat

Bayesian Additive Distribution Regression

O artigo apresenta o DistBART, uma abordagem bayesiana não paramétrica para regressão de distribuições que utiliza ensembles de árvores de decisão para modelar funcionais lineares e não lineares, oferecendo tanto garantias teóricas de concentração quanto escalabilidade computacional através de aproximações por características aleatórias.

Antonio R. Linero, Soumyabrata Bose, Jared MurrayMon, 09 Ma📊 stat

Balancing Efficiency and Feasibility: A Sensitivity Analysis of the Augmentation Parameter in the Finite Selection Model

Este artigo investiga, por meio de um estudo de simulação de Monte Carlo, o papel do parâmetro de augmentação no Modelo de Seleção Finita (FSM), demonstrando que uma augmentação moderada melhora o equilíbrio das covariáveis sem comprometer a eficiência, enquanto excessos podem aumentar a variância e reduzir a estabilidade do estimador, oferecendo assim diretrizes práticas para sua seleção em desenhos experimentais aplicados.

Safaa K. KadhemMon, 09 Ma📊 stat

Predictive Distributions and the Transition from Sparse to Dense Functional Data

Este artigo estuda a convergência das distribuições preditivas de escores de componentes principais funcionais de dados longitudinais esparsos para os escores verdadeiros à medida que a amostragem se torna densa, demonstrando a contração da distribuição preditiva para uma massa pontual e estabelecendo taxas de convergência para modelos lineares funcionais sob a métrica de Wasserstein.

Álvaro Gajardo, Xiongtao Dai, Hans-Georg MüllerFri, 13 Ma📊 stat

Testability of Instrumental Variables in Additive Nonlinear, Non-Constant Effects Models

Este artigo propõe e valida uma condição de teste de independência baseada em auxiliares (AIT) para verificar a validade de variáveis instrumentais em modelos aditivos não lineares com efeitos não constantes e variáveis de tratamento contínuas ou discretas, demonstrando sua eficácia em dados sintéticos e reais.

Xichen Guo, Zheng Li, Biwei Huang, Yan Zeng, Zhi Geng, Feng XieFri, 13 Ma📊 stat

Parameter-Specific Bias Diagnostics in Random-Effects Panel Data Models

Este artigo demonstra como um novo diagnóstico de viés específico para parâmetros, que gera estimativas internas e valores-p baseados em permutação a partir de um único modelo de efeitos aleatórios, pode complementar o teste de especificação de Hausman em dados de painel, ilustrando sua aplicação prática em estudos de demanda por gasolina e avaliação de professores.

Andrew T. KarlFri, 13 Ma📊 stat

Multi-view biclustering via non-negative matrix tri-factorisation

O artigo apresenta o ResNMTF, uma abordagem inovadora de biclustering multi-visão baseada em fatoração tripla não negativa que identifica automaticamente clusters de linhas e suas características específicas por visão em dados sobrepostos e não exaustivos, além de propor a pontuação de bisilhueta como uma métrica intrínseca eficaz para ajuste de hiperparâmetros e visualização.

Ella S. C. Orme, Theodoulos Rodosthenous, Marina EvangelouFri, 13 Ma📊 stat

Robust Covariate Adjustment in Multi-Center Randomized Trials

Este artigo propõe e valida estimadores semiparamétricos robustos e um quadro de inferência inspirado em meta-análise para ajustar covariáveis em ensaios randomizados multicêntricos, demonstrando que ignorar a correlação intra-centro prejudica a cobertura dos intervalos de confiança e que incorporar efeitos de centro nos modelos de previsão melhora significativamente a eficiência e a precisão, especialmente quando os efeitos do tratamento variam entre os centros.

Muluneh Alene, Stijn Vansteelandt, Kelly Van LanckerFri, 13 Ma📊 stat

A practical identifiability criterion leveraging weak-form parameter estimation

Este trabalho define o critério de identificabilidade prática (e, q) para avaliar a robustez de estimativas de parâmetros em sistemas com variáveis não observadas, utilizando um método de forma fraca computacionalmente eficiente e robusto ao ruído, demonstrado em exemplos de modelagem biológica.

Nora Heitzman-Breen, Vanja Dukic, David M. BortzFri, 13 Ma🧬 q-bio

Measuring capacities in multimodal maritime port systems with anchorage queues

Este artigo apresenta um novo quadro metodológico para estimar a capacidade operacional e a capacidade máxima de sistemas portuários marítimos multimodais, distinguindo entre condições estáveis e de pico através de modelos de filas e equações diferenciais, com aplicação prática no Porto de Houston para identificar gargalos críticos e apoiar o planejamento de infraestrutura.

Debojjal Bagchi, Kyle Bathgate, Kenneth N. Mitchell, Magdalena I. Asborno, Marin M. Kress, Stephen D. BoylesFri, 13 Ma📊 stat

Beyond the Oracle Property: Adaptive LASSO in Cointegrating Regressions with Local-to-Unity Regressors

Este artigo apresenta novos resultados assintóticos para o estimador Adaptive LASSO em regressões de cointegração com regressores locais à unidade, demonstrando que as aproximações baseadas na propriedade de oráculo podem ser inadequadas e propondo regiões de confiança uniformemente válidas e fáceis de implementar que cobrem com segurança todo o espaço de parâmetros.

Karsten Reichold, Ulrike SchneiderFri, 13 Ma📈 econ

← Anterior Próximo →