Hippocratic Utility
O artigo apresenta uma crítica à função utilitária "hipocrática", argumentando que, embora sua motivação ética seja válida, o escopo de aplicação desse critério de decisão é limitado, conforme ilustrado por um exemplo específico.
📊 Category
stat.OT
14 artigos
Anomaly detection using surprisals
Este artigo propõe um quadro unificado para deteção de anomalias que define estas como observações com baixa probabilidade sob um modelo, calculando uma pontuação baseada na probabilidade da sua "surprisal" (negativo do logaritmo da densidade generalizada) e estimando essa probabilidade através de métodos empíricos ou de valores extremos, demonstrando eficácia mesmo sob especificação incorreta do modelo.
Causal Regime Detection in Energy Markets With Augmented Time Series Structural Causal Models
O artigo apresenta os Modelos Causais de Séries Temporais Aumentados (ATSCM), uma abordagem que integra descoberta causal neural e raciocínio contrafactual para detectar regimes em mercados de energia e analisar como variáveis como a geração renovável influenciam os preços em tempo real.
Towards Causal Market Simulators
O artigo propõe o TNCM-VAE, um modelo que combina autoencoders variacionais com modelos causais estruturais para gerar séries temporais financeiras sintéticas com relações causais preservadas, permitindo análises contrafactuais e testes de estresse mais precisos.
Sequential Causal Normal Form Games: Theory, Computation, and Strategic Signaling
O artigo propõe uma extensão teórica dos jogos causais para cenários sequenciais, mas conclui, através de extensa análise empírica e teórica, que essa abordagem não oferece qualquer vantagem de bem-estar em relação ao equilíbrio de Stackelberg clássico sob racionalidade, indicando a necessidade de novos quadros teóricos além do equilíbrio de Nash para agentes de IA.
Beyond Reproducible Research: Building a Formal Representation of a Data Analysis
O artigo propõe e descreve a implementação de uma representação formal que externaliza o raciocínio lógico de uma análise de dados, permitindo avaliar a qualidade e a sensibilidade das premissas do analista sem depender apenas da execução do código ou dos dados brutos.
Bayesian Linear Programming under Learned Uncertainty: Posterior Feasibility Guarantees, Scenario Certification, and Applications
Este artigo propõe uma estrutura bayesiana para programação linear que integra a aprendizagem de incertezas a partir de dados com garantias de viabilidade pós-eriores, oferecendo estratégias computacionais e certificações que superam as abordagens clássicas em segurança e interpretabilidade científica.
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.
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.
Statistical Methodology Groups in the Pharmaceutical Industry
Este artigo explora a estrutura, o escopo e o valor estratégico dos grupos dedicados de metodologia estatística na indústria farmacêutica, destacando os fatores organizacionais essenciais para maximizar seu impacto na eficiência, velocidade e probabilidade de sucesso do desenvolvimento de medicamentos.
Robust Estimation of Polychoric Correlation
Este artigo propõe um novo estimador robusto para correlações poligóricas que, ao minimizar uma função de perda baseada em divergência de frequências, supera as limitações do método de máxima verossimilhança ao lidar com violações de normalidade e dados de respondentes descuidados, mantendo consistência estatística e custo computacional equivalente.
Either a Confidence Interval Covers, or It Doesn't (Or Does It?): A Model-Based View of Ex-Post Coverage Probability
Este artigo argumenta contra a interpretação estrita de que um intervalo de confiança individual apenas "cobre ou não" o parâmetro, propondo uma visão baseada em modelos que permite atribuir probabilidades pós-dados à cobertura como previsões, demonstrando que essa abordagem é matematicamente consistente com a própria definição de taxas de erro de longo prazo.
Confidence as Forecast: A Decision-Theoretic Interpretation of Confidence Intervals
Este artigo propõe uma interpretação decisional de intervalos de confiança, argumentando que a confiança nominal (1-α) deve ser vista como uma previsão probabilística ótima e estritamente adequada para a cobertura do parâmetro, permitindo que estatísticos frequentistas atribuam probabilidades a intervalos realizados sem recorrer a priors bayesianos ou crenças subjetivas.
Engaging students with statistics through choice of real data context on homework
Um estudo quase-experimental com estudantes de estatística revelou que, embora a escolha do contexto de dados não tenha impactado significativamente as notas nas tarefas, ela aumentou o engajamento, a motivação e a autonomia dos alunos, levando a recomendações para que educadores utilizem dados reais com contextos variados e relevantes aos interesses individuais dos estudantes.