441 artigos
Este artigo introduz uma família de modelos de mistura parcimoniosos para distribuições assimétricas matriciais que utilizam misturas de variância-média de distribuições normais com restrições de parâmetros para reduzir a complexidade e permitir o agrupamento eficaz de dados de alta dimensão utilizando um algoritmo de Expectativa-Maximização Condicional.
Este artigo introduz um algoritmo EM de estilo limite-produto rápido e estável combinado com uma etapa de minorante convexo iterativo modificada para computar eficientemente o estimador de máxima verossimilhança não paramétrico para funções de sobrevivência usando dados truncados à esquerda e censurados por intervalo, demonstrando convergência e escalabilidade superiores em relação aos métodos existentes.
Este artigo propõe um teste de permutação robusto para um coeficiente de correlação de postos de Spearman modificado que utiliza resíduos de martingala univariados para lidar eficazmente com dados censurados à direita, garantindo o controle assintoticamente correto do erro do Tipo I e reduzindo ao teste clássico quando a censura está ausente.
Este artigo demonstra que os contrastes escalares de linha de base para o desfecho em ensaios longitudinais crônicos frequentemente falham em capturar de forma única a estabilização multidomínio devido a mapeamentos não injetivos, argumentando pela adoção de estimandos baseados em trajetórias para melhor alinhar-se com objetivos clínicos complexos.
Este artigo apresenta o DriftGuard, um framework de auditoria de dois estágios que estabelece limites teóricos de detectabilidade para desvio de distribuição e fornece um protocolo rigoroso, com orçamento de rótulos, para diagnosticar falha de cobertura e recalibrar modelos de predição conformal sob desvios de covariável e de conceito.
Este estudo demonstra que o registro diferencial de desfechos contínuos vinculados à exposição, tais como a perda sanguínea estimada visualmente, pode fabricar efeitos de tratamento grandes e de aparência robusta em evidências de mundo real através de erro de medição sistemático em vez de diferenças clínicas reais, necessitando de verificações diagnósticas específicas e da dependência de medidas objetivas para evitar conclusões espúrias.
Este artigo apresenta um modelo de mistura espacialmente informado e consciente da incerteza, com mecanismos de encolhimento e ponderação de classe, que melhora significativamente a classificação de estados desbalanceados de plumas de CO₂ no benchmark Sleipner ao identificar regimes interpretáveis organizados por profundidade e fornecer estimativas de incerteza posterior.
Este artigo propõe a metarregressão de máquina de kernel bayesiana (BKMMR), uma estrutura de modelagem de segunda etapa flexível que supera as limitações da metarregressão linear convencional ao capturar automaticamente não linearidades e interações em dados de epidemiologia ambiental de múltiplos locais, melhorando, assim, a precisão da estimativa, a predição e as capacidades de redução de escala, conforme demonstrado por meio de simulações e um estudo de poluição do ar na Coreia do Sul.
Este estudo demonstra que o modelo de Picos Acima do Limiar com Truncamento à Direita (RT-POT) supera as abordagens tradicionais de Valor Extremo Generalizado e Distribuição Pareto Generalizada ao fornecer estimativas de parâmetros mais precisas e limites superiores realistas para a gestão de níveis extremos de água na Barragem de Akosombo, em Gana, sob truncamento natural.
Este artigo propõe estratégias de Heurística de Limiar Bayesiano Adaptativo para o problema do secretário de informação parcial, integrando a teoria de parada ótima de informação completa com a atualização Bayesiana via uma priori conjugada Normal-Gamma, demonstrando desempenho superior sobre métodos de estimativa de máxima verossimilhança, particularmente sob tamanhos de amostra pequenos e informação a priori fraca.