Matemáticas - Teoría Estadística

Una mirada a los enfoques bayesianos y frecuentistas para estimar la incertidumbre.

Abordando los datos faltantes con técnicas de regresión innovadoras para obtener información precisa.

Este artículo habla sobre el papel y los desafíos de las ecuaciones diferenciales estocásticas hipoelípticas.

Combinar métodos clásicos y cuánticos mejora la detección de grietas en estructuras de concreto.

Un nuevo modelo estadístico que mejora el análisis de datos en varios campos.

Presentamos un enfoque unificado para estudiar las relaciones entre riqueza y consumo.

Presentando el gráfico P-P de Lorenz para evaluar la dominancia estocástica de segundo orden en distribuciones.

Una mirada a la importancia y análisis de los valores extremos dentro de los datos funcionales.

Aprende a manejar los cambios en el comportamiento de los datos para hacer mejores predicciones.

Este artículo presenta una nueva técnica de estimación para distribuciones exponenciales.

Este estudio habla sobre vectores propios, métodos de análisis de datos y desafíos con pequeños eigengaps.

Los avances en los métodos de prueba mejoran la comprensión de las relaciones entre variables.

La Ley de Benford muestra cómo los datos naturales desafían las expectativas en la distribución de dígitos.

Examinando cómo se relacionan dos variables usando distribuciones condicionales para un mejor análisis de datos.

Explora la evolución y la importancia de las técnicas de compresión de pulso de radar.

Un método para estimar cómo se relacionan y adaptan las medidas de probabilidad usando regularización.

Un nuevo modelo mejora el ranking mediante comparaciones pareadas en varios campos.

Introduciendo estadísticas efectivas para probar estructuras de covarianza en datos de alta dimensión.

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.