446 artigos
Este artigo demonstra que modelos baseados em agentes cognitivamente detalhados de influência social com viés de confirmação podem ser reduzidos com precisão a um sistema de campo médio de baixa dimensão e analiticamente tratável que captura a transição do consenso para a polarização e fornece um teste de estabilidade simples para diagnosticar a quebra de simetria.
Utilizando dados da Health Information National Trends Survey de 2022 e 2024, este estudo revela que a confiança nas agências governamentais de saúde é o preditor mais forte de perceber as mudanças climáticas como um risco à saúde, enquanto a confiança nos cientistas apresenta uma associação mais fraca e decrescente ao longo do tempo e a confiança nos médicos não é um fator significativo.
Este estudo empírico valida um modelo matemático demonstrando que a taxa de adaptação cognitiva de aprendizes adultos em campos técnicos é impulsionada primordialmente pela razão entre humildade intelectual e ruído do ego, em vez do potencial intelectual inicial, sendo que a minimização do ruído do ego acelera significativamente o tempo para atingir um platô de soluções corretas.
Este artigo propõe um método de Random Survival Forests escalável que utiliza a amostragem de conjunto de risco para reduzir significativamente o tempo de treinamento enquanto mantém ou até melhora o desempenho preditivo, com a abordagem agora implementada no amplamente utilizado pacote R `ranger`.
Este artigo introduz uma nova família flexível de distribuições do tipo Pareto gerada via o operador de integral fracionária de Riemann–Liouville à direita, a qual oferece um mecanismo teoricamente fundamentado para regular o comportamento da cauda e demonstra desempenho superior na modelagem de dados do mundo real de cauda pesada em comparação com modelos existentes.
Este estudo avalia estratégias de ajuste de escore de propensão em larga escala através de quatro bases de dados nacionais de saúde e conclui que o ponderamento pela probabilidade inversa do tratamento com o ajuste de Crump (Crump trimming) e o pareamento 1:1 geralmente oferecem o melhor desempenho, embora nenhuma estratégia única seja universalmente superior, o que exige o uso de diagnósticos e calibração empírica para orientar a seleção.
Este estudo propõe uma estrutura probabilística consciente da incerteza que utiliza a Regressão de Processos Gaussianos para reconstruir eficazmente dados esparsos de monitoramento de radiação baseados em UAVs da Zona de Exclusão de Chernobyl, superando métodos de interpolação tradicionais em precisão ao mesmo tempo em que fornece estimativas essenciais de incerteza espacial para a tomada de decisões ambientais informadas.
Este artigo introduz uma classe de estimadores M robustos e regularizados para regressão de alta dimensão que alcança taxas de convergência ótimas e consistência de seleção de variáveis sob condições de momento mínimas ( finito), superando métodos existentes tanto em simulações quanto em aplicações genômicas reais ao lidar com erros de cauda pesada, assimétricos ou contaminados.
O artigo propõe o Sparse Convex Biclustering (SpaCoBi), um novo método de otimização convexa com um critério de ajuste baseado em estabilidade que aborda eficazmente os desafios de ruído e computação em conjuntos de dados de alta dimensão, demonstrando precisão e robustez superiores em comparação com as técnicas de biclustering de estado da arte existentes.
Este artigo demonstra que a inclusão de classificações de qualidade compostas como covariáveis em modelos de regressão introduz um viés de circularidade que atenua sistematicamente os efeitos estimados de preditores estruturais, um perigo metodológico confirmado através de dados de readmissão hospitalar do CMS e simulações de Monte Carlo.