Change Point Detection for Cell Populations Measured via Flow Cytometry
该论文提出了一种基于潜在空间高斯混合专家模型的变点检测方法，利用组融合 LASSO 惩罚和 ADMM 算法分析流式细胞术数据，成功识别出与海洋省际过渡带相吻合的浮游植物分布突变点。
📊 Category
stat.ME
251 篇论文
Random Dot Product Graphs as Dynamical Systems: Limitations and Opportunities
该论文通过建立基于主纤维丛的几何框架，揭示了随机点积图中学习网络演化微分方程所面临的规范自由度、可实现性约束及轨迹恢复伪影等根本障碍，证明了动力学结构可解决规范模糊性，并阐明了谱隙如何同时控制几何曲率与统计推断难度。
Robust Estimation of Location in Matrix Manifolds Using the Projected Frobenius Median
本文提出了一种基于投影弗罗贝尼乌斯中位数的鲁棒位置估计方法，该方法通过在欧氏空间计算中位数并投影到矩阵流形（如施蒂费尔流形、格拉斯曼流形及形状空间），实现了计算高效、具有唯一解、良好鲁棒性及变换等变性的统计推断，并验证了其在模拟数据与真实地震矩张量数据上的有效性。
Two Localization Strategies for Sequential MCMC Data Assimilation with Applications to Nonlinear Non-Gaussian Geophysical Models
本文提出了一种基于序贯马尔可夫链蒙特卡洛（SMCMC）技术的局部数据同化方案，通过两种利用观测空间稀疏性的新策略，在避免粒子滤波权重退化问题的同时，有效处理了高维非线性非高斯地理物理模型（包括 SWOT 和漂流浮标数据）中的重尾观测噪声，并展示了其优于局部集合变换卡尔曼滤波（LETKF）的性能。
On parameter estimation for the truncated skew-normal distribution
本文提出了一种名为 GRID-MOM 的网格化矩估计法，通过固定形状参数网格并联合矩估计与似然比较来求解截断偏正态分布的参数，有效克服了传统方法因截断引入的非线性导致的数值不稳定性，并在模拟与实证研究中展现了其稳定性与准确性。
A Hierarchical Bayesian Dynamic Game for Competitive Inventory and Pricing under Incomplete Information: Learning, Credible Risk, and Equilibrium
本文提出了一种结合贝叶斯学习与可信风险准则的层级贝叶斯动态博弈框架，用于解决竞争环境下信息不完全时的库存与定价决策问题，并通过仿真及生物数据实证验证了该模型在不确定性环境下的有效性与跨领域适用性。
Simultaneously accounting for winner's curse and sample structure in Mendelian randomization: bivariate rerandomized inverse variance weighted estimator
该论文提出了一种双变量重随机化逆方差加权（BRIVW）估计量，通过联合建模 SNP-暴露与 SNP-结局的关联分布并校正样本结构，有效解决了孟德尔随机化中同时存在的赢家诅咒和样本结构偏差问题，从而获得更准确且无偏的因果效应估计。
Clustering-Based Outcome Models for Clinical Studies: A Scoping Review
这篇综述系统概述了将患者协变量聚类与临床结局模型相结合的方法，区分了利用结局信息构建聚类的“知情”模型与仅基于协变量的“无偏”模型，并探讨了其在高维数据、风险分层及亚组治疗效应估计等临床场景中的应用。
Optimizing Complex Health Intervention Packages through the Learn-As-you-GO (LAGO) Design
本文介绍了“边学边做”（LAGO）研究设计，该设计通过在试验过程中分阶段动态优化复杂的多组分健康干预方案，旨在以最小成本实现预设的统计功效和效果目标，从而降低传统随机对照试验在复杂公共卫生干预中失败的风险，并通过 BetterBirth 研究及多项 HIV 与非传染性疾病试验案例论证了其应用价值。
Large Wave Direction Data Modeling Using Wrapped Spatial Gaussian Markov Random Fields
本文提出了一种利用稀疏精度结构的包裹高斯马尔可夫随机场（WGMRF）模型，以解决大规模空间方向数据（如海啸波浪方向）建模中传统包裹高斯过程方法计算效率低下的问题，并通过模拟与 2004 年印度洋海啸实例验证了其在预测性能和可扩展性上的优势。
Variable selection in linear mixed model meta-regression with suspected interaction effects -- How can tree-based methods help?
该研究通过真实数据与模拟实验表明，虽然在线性交互效应下传统线性方法表现更优，但在交互效应偏离线性或样本量增加时，基于稳定选择的随机效应树等树基方法能作为线性模型的有力补充，有效解决元回归中交互效应的变量选择问题。
Bayesian Additive Distribution Regression
本文提出了一种名为 DistBART 的贝叶斯非参数分布回归方法，该方法通过将回归函数建模为带有贝叶斯加法回归树（BART）先验的线性泛函，并结合随机特征近似技术，在实现可扩展计算效率的同时，有效处理了分布型预测变量并保留了不确定性量化能力。
Balancing Efficiency and Feasibility: A Sensitivity Analysis of the Augmentation Parameter in the Finite Selection Model
本文通过蒙特卡洛模拟研究，分析了有限选择模型中增强参数对估计器偏差、方差及均方误差的敏感性，揭示了适度增强可改善协变量平衡而过度增强会降低稳定性，从而为实验设计中的参数选择提供了实用指南。
Linear Multidimensional Regression with Interactive Fixed-Effects
本文提出了一种针对具有未观测交互固定效应的多维面板数据的线性回归估计方法，该方法通过结合 Bai (2009) 因子模型与加权组内变换，实现了参数级收敛速率并证明了渐近正态性，且已应用于啤酒需求弹性的实证估计。
Modeling extremal dependence in multivariate and spatial problems: a practical perspective
本文介绍了多变量与空间极值理论的基础知识，并通过实际案例演示了如何利用 R 语言包 ExtremalDep 对极端事件依赖关系进行建模与风险评估。
Estimation of relative risk, odds ratio and their logarithms with guaranteed accuracy and controlled sample size ratio
该论文提出了一种基于两阶段序贯抽样的估计方法，用于在任意参数下保证相对风险、优势比及其对数的均方误差低于目标值，同时使两总体平均样本量之比接近预设值，并具备高统计效率。
Ice Cream Doesn't Cause Drowning: Benchmarking LLMs Against Statistical Pitfalls in Causal Inference
本文提出了名为 CausalPitfalls 的综合基准，旨在通过结构化挑战和双重评估协议，系统性地评估大语言模型在克服辛普森悖论等统计陷阱方面的因果推理能力，并揭示了当前模型在此领域的显著局限性。
Random irregular histograms
本文提出了一种基于贝叶斯模型选择的完全自动化的不规则直方图构建方法，该方法能根据数据自动确定分箱数量与位置，并在理论证明其具有 Hellinger 度量下的一致性及最优收敛速率的同时，通过模拟验证了其在估计误差和模式识别方面与其他方法相当的性能。
Identifying Treatment Effect Heterogeneity with Bayesian Hierarchical Adjustable Random Partition in Adaptive Enrichment Trials
本文提出了一种名为 BHARP 的贝叶斯分层可调整随机划分模型，该模型通过有限混合框架联合估计亚组效应与异质性模式，在自适应富集试验中无需人工校准即可自动调整信息借用强度并有效处理模型不确定性，从而在模拟和实际应用中展现出优于现有方法的精度与准确性。
Bayesian Inference for PDE-based Inverse Problems using the Optimization of a Discrete Loss
本文提出了一种名为 B-ODIL 的贝叶斯框架，通过将离散损失优化（ODIL）中的偏微分方程损失作为先验知识并结合数据似然，实现了对 PDE 基逆问题的求解及不确定性量化，并在多维合成基准及脑肿瘤 MRI 成像等实际应用中验证了其有效性。