Matemáticas - Teoría Estadística

Este artículo habla sobre el papel de los procedimientos minimax para mejorar la precisión de la regresión lineal.

Aprende a predecir cuándo pueden ocurrir condiciones climáticas extremas.

Este artículo habla sobre métodos para muestrear datos complejos de alta dimensión de manera más efectiva.

Aprende cómo la regresión de kernel y la actualización bayesiana mejoran las predicciones con nuevos datos.

Métodos innovadores para recuperar etiquetas de tiempo de datos dinámicos ruidosos.

Este artículo presenta cuantiles minimax para mejores estimaciones estadísticas.

Este estudio analiza los PINNs bayesianos para estimar parámetros de PDE a partir de datos ruidosos.

Dos nuevos estimadores mejoran la precisión al analizar datos de respuesta de ítems.

Explora cómo el modelo de bloques estocásticos ayuda a identificar comunidades en redes.

Aprende a identificar patrones inusuales en datos de series temporales con la profundidad de Markov.

Aprende técnicas para estimar valores faltantes en secuencias estocásticas estacionarias.

Un enfoque de prueba en dos etapas simplifica las interacciones entre numerosas variables genéticas.

Examinando el papel de la robustez en la estimación de distribuciones desconocidas a partir de muestras.

Explorando el papel de los priors tensoriales estructurados en la mejora de las estimaciones de datos.

Descubre lo básico del aprendizaje de Redes Bayesianas Dinámicas a partir de datos.

Un método para el análisis efectivo de modelos de factorización de tensores de alta dimensión en finanzas.

CHCDS mejora la precisión de la predicción sin particionamiento de datos.

Este artículo examina la importancia de los máximos y la prueba de espaciado en campos aleatorios gaussianos.

Una mirada a cómo los eigenmapas mejoran el análisis de datos a través de un escalado efectivo.

Un nuevo método mejora el rendimiento de los modelos generativos incluso con escasos datos de entrenamiento.

Una mirada a cómo las transformaciones impactan la media y la covarianza en el análisis de datos.

Un estudio sobre el equilibrio entre el aprendizaje por transferencia y la privacidad individual en el uso de datos.

Métodos innovadores para analizar valores extremos en datos meteorológicos y ambientales.

BART es una herramienta poderosa para predecir resultados en diversos campos.

Una mirada a los modelos para tiempos de supervivencia relacionados y riesgos competitivos.

Dos métodos innovadores ofrecen información sobre el envejecimiento y la fiabilidad del sistema.

Las reglas de puntuación adecuadas mejoran la evaluación de pronósticos probabilísticos en varios campos.

NCP simplifica el aprendizaje de probabilidades condicionales para tomar mejores decisiones en diferentes áreas.

Una mirada a los métodos de evaluación de modelos y su efectividad.

Una mirada a las matrices de covarianza estructuradas y su papel en el análisis de relaciones entre variables.

Explorando el impacto de proyecciones aleatorias dispersas en el análisis de datos de alta dimensión.

Una mirada detallada a los métodos de agrupamiento y sus definiciones.

Descubre métodos simplificados para calcular derivadas parciales cruzadas en funciones complejas.

La investigación sobre redes neuronales revela comportamientos de distribuciones de cola pesada.

Presentando una técnica de filtrado novedosa para sistemas no gaussianos.

Un nuevo método aborda los desafíos de privacidad al estimar estadísticas U de manera precisa.

Una mirada al Análisis de Datos Simbólicos y su uso en varios campos.

Una mirada a variables aleatorias y cadenas de Markov en varios campos.

Este estudio se centra en estimar el índice de regularidad para distribuciones de Pareto discretas.

Aprende cómo MROSS mejora la clasificación de datos y reduce los costos computacionales.