Mathématiques - Théorie des statistiques

La recherche présente des modèles pour analyser les distributions gaussiennes en utilisant le mètre de Wasserstein.

De nouvelles méthodes améliorent le contrôle du taux de fausses découvertes dans l'analyse de données binaires.

Une méthode pour dériver des distributions a priori à partir des processus de prise de décision des experts.

Une nouvelle méthode pour améliorer les estimations dans l'analyse des données à haute dimension en utilisant des estimateurs nuls.

Les essais LAGO permettent des ajustements de traitement flexibles pour améliorer les résultats des patients dans la recherche clinique.

Découvre des méthodes améliorées pour estimer l'incertitude dans la régression par processus gaussien.

Un nouvel aperçu du rôle du Group LASSO dans la sélection de caractéristiques et l'optimisation.

Un guide pour réduire les dimensions dans des données à haute dimension tout en préservant les distances.

Un aperçu de comment les lois conditionnelles isotoniques aident à prédire des données.

Présentation des p-values conformes pondérées pour une sélection efficace de candidats dans divers domaines.

Explorer le rôle des matrices aléatoires dans la modélisation statistique et les erreurs d'estimation de la covariance.

Une méthode pour estimer les tailles de saut dans les systèmes de stockage en utilisant des techniques non paramétriques.

Une nouvelle méthode pour estimer des distributions avec des histogrammes bayésiens améliore l'efficacité mémoire.

Une nouvelle approche pour simplifier l'analyse de données complexes en utilisant des méthodes de transport optimal.

Des chercheurs développent des tests pour évaluer les coefficients de diffusion dans des systèmes complexes au fil du temps.

Explore comment l'apprentissage méta non linéaire améliore l'efficacité et la précision de l'apprentissage des tâches.

L'algorithme rSVDdpd offre des analyses de données fiables même en présence de valeurs aberrantes et de bruit.

Un aperçu de comment la géométrie de l'information peut améliorer les techniques d'apprentissage automatique.

Apprends des méthodes efficaces pour analyser des données regroupées en mettant l'accent sur l'estimation des paramètres.

Un aperçu de l'algorithme de Metropolis-Hastings avec marche aléatoire pour l'échantillonnage statistique.

Une nouvelle approche pour de meilleures estimations dans la modélisation statistique de données complexes.

Cet article examine deux méthodes pour étudier les formes de données : la géométrie de l'information et la géométrie de Wasserstein.

Des méthodes robustes améliorent l'analyse des dispositifs à usage unique et de leurs taux de défaillance.

Examinons comment les retours humains influencent les systèmes de récompense dans la prise de décision.

L'identifiabilité et la falsifiabilité sont super importantes dans la croissance des modèles bayésiens.

Explorer comment les lois de conservation scalaires s'appliquent à l'analyse du flux de trafic.

Explorer la différence moyenne de Gini et ses applications en théorie de la fiabilité.

Explore l'importance et les applications de l'analyse fonctionnelle de données multivariées.

Présentation d'une fonction pour évaluer les informations et la variabilité dans l'analyse de la fiabilité et des risques.

Une nouvelle méthode aide à analyser des événements extrêmes rares mais marquants.

Un aperçu des réseaux multilayer et leur impact sur les interactions dans divers domaines.

Un aperçu des processus de moyenne mobile et de leurs applications dans les données du monde réel.

Une nouvelle méthode pour différencier les états de santé en utilisant des données de séries temporelles ECG.

Une étude sur l'identification des facteurs qui influencent les taux de fertilité dans différents pays.

Apprends comment l'estimation du rapport de densité aide à comparer les groupes de données efficacement.

Un aperçu des approches bayésiennes et fréquentistes pour estimer l'incertitude.

S'attaquer aux données manquantes avec des techniques de régression innovantes pour des insights précis.

Cet article parle du rôle et des défis des équations différentielles stochastiques hypo-elliptiques.

Combiner des méthodes classiques et quantiques améliore la détection des fissures dans les structures en béton.

Un nouveau modèle statistique qui améliore l'analyse des données dans plusieurs domaines.