Statistiques - Théorie de la statistique

Une méthode pour améliorer les prédictions dans les données avec des résultats manquants.

Les recherches de la mission MMS révèlent des infos clés sur les fluctuations magnétiques.

Apprends des méthodes pour récupérer des signaux à partir d'observations bruyantes efficacement.

Une nouvelle méthode améliore l'estimation des paramètres dans l'analyse de séries temporelles.

Une analyse du Thompson Sampling et de sa variante pour améliorer la prise de décision.

Les essais N-of-1 personnalisent le traitement en se concentrant sur les réponses individuelles.

Une nouvelle méthode améliore la combinaison des p-values discrètes pour de meilleurs résultats de recherche.

Découvre des conceptions robustes pour améliorer la fiabilité expérimentale malgré les incertitudes.

Apprends à déceler les changements dans les données avec des séquences de confiance.

Une nouvelle approche améliore les prévisions pour les événements de données extrêmes.

Apprends à estimer des paramètres pour des données à queues lourdes en utilisant des distributions Pareto par morceaux.

Examiner l'impact des processus gaussiens dans des environnements de données complexes.

Une méthode pour classifier les variétés projectives irréductibles sans structures toriques.

Un aperçu des modèles spatio-temporels en analyse de données.

Apprends à gérer le bruit dans la modélisation statistique pour une meilleure analyse.

Une méthode pour analyser les temps de voyage des ondes afin de comprendre les propriétés des matériaux.

Cette étude présente de nouvelles techniques pour comprendre les effets causals avec des variables post-traitement continues.

Une nouvelle approche améliore l'analyse des données dans les études de santé multi-sites.

Un aperçu sur le tirage de conclusions à partir d'expériences adaptatives en recherche.

Un aperçu des méthodes pour identifier les facteurs causals dans la recherche.

Apprends à mesurer les estimations de la fonction K avec des fonctions d'intensité inconnues.

Une étude sur les techniques d'échantillonnage efficaces pour identifier la plus grande communauté.

Une nouvelle méthode pour une meilleure analyse statistique avec des paramètres de nuisance.

Présentation du PRe-process pour une analyse de données flexible et valide.

Un aperçu des méthodes bayésiennes pour analyser les distributions de données asymétriques.

Découvrez comment la CCA aide à révéler les relations entre des ensembles de données variés.

Cette étude examine les facteurs qui influencent les courbes d'apprentissage en régression par crête noyau.

Apprends à repérer des motifs inhabituels dans les données de manière efficace.

Apprends à estimer et comparer les moyennes efficacement en utilisant des techniques avancées.

De nouvelles méthodes améliorent la précision dans l'estimation des paramètres de données clés.

Apprends à récupérer des signaux originaux à partir du bruit en utilisant des méthodes statistiques.

Apprends comment le double apprentissage machine améliore les expériences par lot pour l'évaluation des traitements.

De nouvelles méthodes améliorent l'estimation des résultats de traitement pour la santé personnalisée.

Un aperçu des réseaux de neurones bayésiens et de leur importance en IA.

Explorer les méthodes de profondeur statistique pour les données floues et leurs applications.

Examiner comment des ensembles aléatoires et des fonctions de croyance influencent la prise de décision dans différents domaines.

La recherche révèle des trucs sur les données avec plein de caractéristiques et d'interdépendances.

Examiner la complexité d'échantillonnage en programmation stochastique avec des distributions à queues lourdes.

Cette méthode simplifie l'estimation de densité log-concave en utilisant des composants indépendants.

Examiner les complexités et les stratégies pour l'apprentissage des réseaux de neurones avec différents types de données.