Matemáticas - Teoría Estadística

Explora cómo la cantidad de datos afecta el rendimiento de los algoritmos de vecinos más cercanos.

Este estudio mejora los filtros de Kalman en conjunto a través de una nueva técnica de muestreo.

Un nuevo enfoque para estimar efectos parciales promedio en el análisis de datos usando técnicas de machine learning.

Un nuevo método para analizar relaciones causales usando SEMs lineales parcialmente homocedásticos.

Nuevos métodos mejoran la comparación de datos en entornos cambiantes.

Este artículo se adentra en el prior medio-Cauchy y su eficacia para estimar parámetros.

Este trabajo presenta un nuevo método para resolver PDEs complejas usando redes neuronales.

Presentando un marco estructurado para una mejor selección de modelos y gestión de errores.

Este artículo examina los avances recientes en familias de cópulas y sus aplicaciones.

Un enfoque nuevo para manejar datos incompletos en estudios de salud e ingeniería.

Los métodos de simulación ofrecen información valiosa para la investigación estadística y aplicaciones del mundo real.

Este artículo habla sobre métodos para comparar técnicas de selección y clasificación de variables en el análisis de datos.

Aprende sobre nuevos métodos para analizar datos de series temporales complejas.

Una mirada a los modelos autorregresivos periódicos y sus aplicaciones en datos ruidosos.

Explora un método para estimar de manera confiable en datos complejos con variables aleatorias interdependientes.

Este artículo investiga cómo discernir entre distribuciones uniformes modificadas y originales.

Este artículo examina métodos para la estimación de parámetros en nuevas familias de copulas para mejorar el modelado.

Una visión general de los priors tipo Gibbs y sus aplicaciones en varios campos.

Una mirada a usar métodos espectrales para mejorar la estimación de parámetros en datos estructurados.

Una mirada a la importancia del análisis de redes en varios campos.

Métodos mejorados para estimar la covarianza mejoran el análisis de datos en varios campos.

Un estudio sobre métodos efectivos para analizar redes bipartitas a través de U-estadísticas.

Explorando cómo la regresión de distribución ayuda en varios campos a través de métodos de kernel.

Una mirada a dos métodos para el análisis de regresión en dimensiones altas.

Aprende cómo SBBD mejora la estimación en grafos bipartitos completos.

Los modelos de espacio de estados mejoran el análisis de datos de conteo para hacer mejores predicciones y decisiones.

Una mirada al análisis de datos de redes y métricas clave como el índice de Randić.

Este artículo habla de métodos para proteger los datos de los usuarios en sistemas de recomendación.

Descubre cómo los métodos no asintóticos mejoran el análisis estadístico en datos de alta dimensión.

Nuevos métodos de bootstrap mejoran la prueba de vectores de media poblacional en datos de alta dimensión.

La inferencia selectiva ofrece mejor precisión para las pruebas de hipótesis después de la agrupación.

Los investigadores enfrentan los desafíos de los datos incompletos para obtener resultados precisos.

Un nuevo enfoque espectral mejora los modelos Matérn multivariados para el análisis de datos espaciales.

Aprende cómo los métodos bayesianos mejoran la precisión de las predicciones en resultados inciertos.

Un estudio sobre cómo identificar la mejor opción mientras se asegura la privacidad de los datos.

Aprende cómo la descomposición tensorial robusta mejora el análisis de datos en medio de ruido y valores atípicos.

Este artículo examina las variaciones de potencia en procesos estocásticos influenciados por el movimiento browniano fraccionario.

Aprende cómo los modelos de machine learning se desempeñan con datos no vistos.

Explorando el impacto de la discrepancia local y las funciones en las técnicas de QMC.

Un nuevo método mejora la fiabilidad de las predicciones a pesar del etiquetado incorrecto de los datos.