Statistiques - Théorie de la statistique

Analyse des méthodes de classement influencées par des comparaisons adversariales.

Une introduction aux modèles de régression fonctionnelle et leurs applications dans divers domaines.

Une étude sur l'estimation des champs de vitesse à partir d'équations différentielles partielles stochastiques.

Un aperçu de la profondeur des demi-espaces angulaires pour analyser des données directionnelles sur des sphères.

Un aperçu de la distance de Wasserstein et de ses applications en théorie des probabilités.

Cet article parle des méthodes pour créer des matrices de covariance creuses afin d'améliorer l'analyse statistique.

Un nouvel estimateur améliore l'analyse de jeux de données complexes avec plusieurs résultats et du bruit.

Apprends à combiner efficacement les processus de preuves dans l'analyse de données.

Une nouvelle approche combine l'apprentissage de la représentation causale et les modèles de base pour une meilleure compréhension.

Un aperçu de comment les arbres de mouvement brownien modélisent l'évolution des traits.

Apprends comment les méthodes bayésiennes améliorent les prédictions en utilisant les données du passé.

Une nouvelle approche met l'accent sur des approximations valables plutôt que de chercher la vérité dans les modèles.

Explorer les risques de confidentialité liés aux attaques par inférence d'adhésion en apprentissage automatique.

Une nouvelle méthode pour une analyse de données efficace malgré les valeurs aberrantes.

Évaluer l'incertitude dans les réseaux de neurones pour de meilleures prédictions scientifiques.

Explore les modèles GWSBM et GWPDSM dans la détection de communautés.

Une nouvelle méthode simplifie l'étude des graphes géométriques aléatoires pour des insights plus profonds.

Présentation de DOPE : une méthode solide pour améliorer l'estimation des effets du traitement en utilisant des données d'observation.

De nouvelles mesures améliorent les comparaisons de ensembles de données médicales complexes.

Investiguer les complexités de l'échantillonnage postérieur dans les modèles de diffusion pour le traitement d'images.

Explorer de nouvelles méthodes en statistiques algébriques dans les tests éducatifs, la régression et les tableaux de contingence.

Découvre de nouvelles méthodes pour estimer les effets des traitements dans la recherche.

Apprends comment améliorer la régression linéaire en s'attaquant au biais de sélection.

Cet article examine les complexités et les limites des méthodes de régression linéaire sparse.

Une nouvelle méthode aide à résoudre des problèmes difficiles d'inférence statistique en utilisant des échantillons artificiels.

Présentation d'un algorithme pour prendre de meilleures décisions avec des récompenses incertaines dans des scénarios complexes.

De nouvelles méthodes révèlent les structures communautaires dans les réseaux, ce qui améliore les connaissances dans divers domaines.

GROS combine plusieurs estimateurs pour une meilleure précision dans l'analyse des données.

De nouvelles méthodes améliorent l'échantillonnage à partir de distributions complexes en utilisant des équations HJB et des Tensor Train.

Présentation d'une méthode pour améliorer les tests de significativité dans l'analyse de régression.

Une nouvelle approche des p-values améliore l'évaluation des preuves dans la recherche statistique.

Une nouvelle méthode pour analyser la centralité et l'extériorité dans des ensembles de données non standards.

Méthodes pour réduire les dimensions tout en préservant les structures de données.

Apprends comment le débruitage matriciel peut améliorer la qualité des données dans différents domaines.

Présentation d'une manière plus simple de former des modèles génératifs implicites en utilisant la perte statistique invariante.

Présentation de ZOD-MC, une nouvelle approche pour des tâches d'échantillonnage difficiles.

Cette recherche améliore la prise de décision en cas d'incertitude en utilisant l'apprentissage par lot et des stratégies dynamiques.

Une nouvelle méthode pour identifier les changements dans les données de séries temporelles compositionnelles.

Découvrez VOROS, une méthode pour améliorer l'évaluation des performances des classificateurs dans des scénarios déséquilibrés.

Une méthode pour s'attaquer aux variables non observées dans la recherche pour des insights plus clairs.