Statistics and Probability Commons^™

Fact Sheet, Yale University Office Of Institutional Research

Fact Sheets

No abstract provided.

Longitudinal Sport Science Implementation In American Collegiate Men’S Basketball, Jason Stone

Graduate Theses, Dissertations, and Problem Reports (ETD)

The expanding opportunities to implement sport science frameworks in elite-level basketball environments coincide with the sport’s increasing global prominence. Concomitant to these opportunities is the continual growth of the sport technology market (e.g., wearables, force plates) and computational power (e.g., data management tools, coding capabilities), which yields solutions and challenges for both athletes and practitioners. Due to the rapid influx of new sport technologies in high performance environments, particularly American Collegiate Men’s Basketball, more formal and ecologically valid research on how to effectively utilize data derived from them, particularly over long periods of time (i.e., multiple seasons) is needed. To …

Poisson Regression Model With Application To Wastewater Surveillance Under A Threshold Linear Mixed Model For Covid-19 Sensitivity Rates, Norou Diawara, Hueiwang Anna Jeng, Kyle Curtis, Raul Gonzalez, Nancy Welch, Cynthia Jackson, Rekha Singh, David Jurgens, Sasanka Adikari, Omotomilola Jegede

Mathematics & Statistics Faculty Publications

A Threshold Linear Mixed Model (TLMM) has been developed to identify specific thresholds based on wastewater SARS-CoV-2 viral concentrations, which reflect COVID-19 cases. The thresholds can guide decisions regarding public health responses and prevention measures. To assess the practical application of TLMM, a simple simulation was conducted using a sample size of 100 and 500 replications. The simulation allowed for comparing parameter estimators by assessing bias and standard deviation and the root of the mean square error. The model and estimation procedures were applied to reported wastewater and clinic data to test its application for real-world scenarios. Our results demonstrated …

A Picture Worth A Thousand Words: Factors Influencing Disability Accommodations, Alicia E. Martin

Cal Poly Humboldt theses and projects

Because not all disabilities look the same it is difficult to label a person with disabilities just by looking at them. Given that our knowledge, attitudes, and perceptions impact how we interpret our world and our willingness to act, people, including professors, may be biased toward providing accommodations for those with easily recognizable disabilities and biased against those with non-recognizable disabilities, and this may impact the disabled person’s ability to learn. This thesis aims to address whether professors’ disability-related attitudes, perceptions of accommodation reasonableness, and willingness to provide accommodations differ when the disability is recognizable (student is pictured in a …

Additive P-Value Combination Test, Xing Ling

Dissertations, Master's Theses and Master's Reports

This dissertation includes four Chapters. A brief description of each chapter is organized as follows.

In Chapter 1, some developments on multiple hypotheses tests are introduced. Some preliminaries about the definition and the assumption are included.

In Chapter 2, a Stable Combination Test is proposed to combine $p$-values from multiple hypotheses tests. We show the proposed method controls the family-wise error rate at the target level and maintains asymptotically optimal power even when the elementary p-values from the individual hypotheses are dependent.

In Chapter 3, a deeper dig into the additive p-value combination test is performed. A common idea behind …

Machine Learning Methods For Prediction Of Human Infectious Virus And Imputation Of Hla Alleles, Xiaoqing Gao

Dissertations, Master's Theses and Master's Reports

This dissertation contains three Chapters. The following is a concise description of each Chapters.

In Chapter 1, we introduced the Random Forest, a machine learning method, to foresee whether a virus is capable of infecting humans. The Covid pandemic informs us the importance of predicting the ability of a zoonotic virus that can infect humans from its genomic sequence. We used the -mer with and as features of a virus to predict if it can affect humans. We further employed the Boruta algorithm to select the important features, then fed those important features into the Random Forest method to train …

Novel Bayesian Neural Networks And Uncertainty Quantification Of Computational Mechanics Models, Ponkrshnan Thiagarajan

Dissertations, Master's Theses and Master's Reports

Computational and data-driven models suffer from a wide range of uncertainties that impact the reliability of such models. Given the exponential proliferation of machine learning models in real-world systems, establishing a degree of confidence in their predictions becomes paramount. Reliability in predictions takes on utmost significance in domains such as autonomous driving, medical image analysis, etc., where human lives are involved, and inaccuracies in predictions could lead to disastrous outcomes. For these reasons, comprehending and quantifying uncertainties in computational and data-driven models is of utmost importance. A number of techniques have been developed to quantify uncertainties in machine learning models. …

Investigating Collaborative Explainable Ai (Cxai)/Social Forum As An Explainable Ai (Xai) Method In Autonomous Driving (Ad), Tauseef Ibne Mamun

Dissertations, Master's Theses and Master's Reports

Explainable AI (XAI) systems primarily focus on algorithms, integrating additional information into AI decisions and classifications to enhance user or developer comprehension of the system's behavior. These systems often incorporate untested concepts of explainability, lacking grounding in the cognitive and educational psychology literature (S. T. Mueller et al., 2021). Consequently, their effectiveness may be limited, as they may address problems that real users don't encounter or provide information that users do not seek.

In contrast, an alternative approach called Collaborative XAI (CXAI), as proposed by S. Mueller et al (2021), emphasizes generating explanations without relying solely on algorithms. CXAI centers …

Assessing Spurious Correlations In Big Search Data, Jesse T. Richman, Ryan J. Roberts

Political Science & Geography Faculty Publications

Big search data offers the opportunity to identify new and potentially real-time measures and predictors of important political, geographic, social, cultural, economic, and epidemiological phenomena, measures that might serve an important role as leading indicators in forecasts and nowcasts. However, it also presents vast new risks that scientists or the public will identify meaningless and totally spurious ‘relationships’ between variables. This study is the first to quantify that risk in the context of search data. We find that spurious correlations arise at exceptionally high frequencies among probability distributions examined for random variables based upon gamma (1, 1) and Gaussian random …

Turnover, Covid-19, And Reasons For Leaving And Staying Within Governmental Public Health, Jonathan P. Leider, Gulzar H. Shah, Valerie A. Yeager, Jingjing Yin, Kusuma Madamala

Biostatistics, Epidemiology & Environmental Health Sciences: Faculty Publications

Background and Objectives:

Public health workforce recruitment and retention continue to challenge public health agencies. This study aims to describe the trends in intention to leave and retire and analyze factors associated with intentions to leave and intentions to stay.

Design:

Using national-level data from the 2017 and 2021 Public Health Workforce Interests and Needs Surveys, bivariate analyses of intent to leave were conducted using a Rao-Scott adjusted chi-square and multivariate analysis using logistic regression models.

Results:

In 2021, 20% of employees planned to retire and 30% were considering leaving. In contrast, 23% of employees planned to retire and 28% …

Local Or Import? A Compositional Analysis Of Aztec Ritual Ceramics In The Tuxtlas Frontier, Veracruz, Mexico, Matthew T. Meyer

Murray State Theses and Dissertations

At the time of Spanish Contact in the early 16th Century the western Tuxtlas region formed part of the Aztec imperial frontier in the southern Gulf lowlands. The most apparent material manifestation of this imperial connection was Aztec-style Texcoco-Molded Censers, recovered primarily from sites that served local centralizing functions. While rare, these symbols may provide valuable information on the dynamics of frontier politics and the relations between this region and the distant core to which they were sending tax payments. Initial consideration of this adopted imperial style implies political linkages, but the mechanisms of introduction, knowledge transmission, imperial versus local …

A Qualitative Analysis Of Construct Measurement Techniques Used In Industrial/Organizational Research, Benjamin Michael, Andrea F. Snell, Katie Rosneck

Williams Honors College, Honors Research Projects

This project aims to challenge the appropriateness of the methodological strategies and tools utilized within psychological research. We will look at the types of statistical modeling used and the context in which they are used, such as measurement modeling, confirmatory factor analysis, and bifactor analysis within survey development, as well as the use of psychological constructs such as extraversion and leadership. The objective of this research is to search for and recognize patterns from the content of some of the top journal articles in the field of industrial and organizational psychology. The information gained from analyzing the content of the …

Efficient High Order Ensemble For Fluid Flow, John Carter

Doctoral Dissertations

"This thesis proposes efficient ensemble-based algorithms for solving the full and reduced Magnetohydrodynamics (MHD) equations. The proposed ensemble methods require solving only one linear system with multiple right-hand sides for different realizations, reducing computational cost and simulation time. Four algorithms utilize a Generalized Positive Auxiliary Variable (GPAV) approach and are demonstrated to be second-order accurate and unconditionally stable with respect to the system energy through comprehensive stability analyses and error tests. Two algorithms make use of Artificial Compressibility (AC) to update pressure and a solenoidal constraint for the magnetic field. Numerical simulations are provided to illustrate theoretical results and demonstrate …

Recurrent Event Data Analysis With Mismeasured Covariates, Ravinath Alahakoon Mudiyanselage

Doctoral Dissertations

"Consider a study with n units wherein every unit is monitored for the occurrence of an event that can recur with random end of monitoring. At each recurrence, p concomitant variables associated to the event recurrence are recorded with q (q ≤ p) collected with errors. Of interest in this dissertation is the estimation of the regression parameters of event time regression models accounting for the covariates. To circumvent the problem of bias and consistency associated with model's parameter estimation in the presence of measurement errors, we propose inference for corrected estimating functions with well-behaved roots under additive measurement errors …

A Fairness Parameters Selection Method For Convex Fairness-Aware Classification Models, Puvarith Veerabulyarith

Chulalongkorn University Theses and Dissertations (Chula ETD)

Fairness-aware classification has emerged as a focal point in a wide range of machine learning applications. To address fairness issues such as demographic parity and disparate mistreatment, researchers have developed fair classifiers. A common approach for creating fairness-aware models involves formulating an optimization problem where fairness constraints are incorporated. However, the determination of optimal fairness constraint limits poses a significant challenge. In the first part of this paper, we explore the behavior of the fairness constraint limits on the model loss and the fairness metric. Next, we introduce a method for selecting suitable limits from a set of efficient limits …

A High-Dimensional Variable Selection Under Multicollinearity Via Whitening Elastic Net, Naphat Kanjanaphan

Chulalongkorn University Theses and Dissertations (Chula ETD)

In high-dimensional data research such as genomics data, identifying predictors in highly correlated data poses significant challenges, especially when employing regularization methods. We found WLasso (Whitening Lasso), which effectively handles highly correlated settings by transforming predictors to mitigate correlation and applying generalized Lasso criteria. To ensure fairness in comparison with other regularization methods, we utilize a simplified version of WLasso, retaining its core concept while eliminating the coefficient ranking process. Our aim is to enhance WLasso performance by adapting it to the Generalized Elastic Net framework, resulting in Whitening Elastic Net. Leveraging the transformation process of WLasso, we integrate it …

การเปรียบเทียบการจำแนกเม็ดเลือดแดงที่ติดเชื้อมาลาเรียด้วยโครงข่ายคอนโวลูชันโดยใช้เครื่องมือเพิ่มประสิทธิภาพที่แตกต่างกัน, นิชาภัทร บุญดิเรก

Chulalongkorn University Theses and Dissertations (Chula ETD)

มาลาเรียเป็นปัญหาสาธารณสุขระดับโลกที่สำคัญ การวินิจฉัยมาลาเรียในปัจจุบันใช้เทคนิคการตรวจสเมียร์เลือดด้วยฟิล์ม ซึ่งเป็นวิธีที่ได้รับการยอมรับมากที่สุด แต่ก็มักใช้เวลานานและเสี่ยงต่อความผิดพลาด ปัจจุบันได้มีการนำการเรียนรู้ของเครื่องมาจำแนกภาพทางการแพทย์ซึ่งทำได้อย่างรวดเร็วและแม่นยำ โครงข่ายประสาทเทียมแบบคอนโวลูชั่น เป็นเทคนิคการเรียนรู้เชิงลึกที่ถูกใช้กันอย่างแพร่หลายในด้านการประมวลผลภาพ โดยใช้ร่วมกับการเรียนรู้แบบถ่ายทอด ซึ่งช่วยลดเวลาที่ใช้ในการพัฒนาแบบจำลอง การศึกษาครั้งนี้ได้ทำการศึกษาผลของเครื่องมือเพิ่มประสิทธิภาพต่อประสิทธิภาพในการการจำแนกเม็ดเลือดแดงที่ติดเชื้อมาลาเรีย โดยใช้โครงข่ายประสาทเทียมแบบคอนโวลูชั่นควบคู่กับการเรียนรู้แบบถ่ายทอดจากแบบจำลองที่ได้รับการฝึกอบรมมาล่วงหน้า 3 แบบ คือ InceptionV3 EfficientNetB0 และ ConvNeXtTiny ร่วมกับการใช้เครื่องมือเพิ่มประสิทธิภาพ ที่แตกต่างกัน คือ SGD with Momentum, RMSProp และ ADAM กับรูปภาพเซล์เม็ดเลือดแดงจำนวน 27,558 ภาพ ซึ่งประกอบด้วยรูปภาพของเซลล์เม็ดเลือดแดงที่ติดเชื้อ และรูปภาพของเซลล์เม็ดเลือดแดงที่ไม่ติดเชื้อประเภทละ 13,779 ภาพ จากการศึกษาพบว่าแบบจำลอง EfficientNetB0 ที่ใช้ร่วมกับ ADAM มีประสิทธิภาพสูงสุด โดยมีการสูญเสียโดยเฉลี่ยน้อยที่สุด เท่ากับ 0.1043 มีค่าความแม่น ค่าความเที่ยง ค่าความไว ค่า F1-score และค่าความจำเพาะโดยเฉลี่ยสูงที่สุด เท่ากับ 0.9638, 0.9581, 0.9700, 0.9640 และ 0.9576 ตามลำดับ ในการศึกษานี้ การใช้ EfficientNetB0 ร่วมกับ ADAM ได้ผลลัพธ์ที่ดีที่สุด

ประสิทธิภาพของแบบจำลองโครงสร้างผสมระหว่างแบบจำลองหน่วยความจำระยะสั้นแบบยาวและแบบจำลองโครงข่ายประตูวกกลับสำหรับการพยากรณ์ระยะยาวของราคาปิดหุ้น, ธนกฤต เถรว่อง

Chulalongkorn University Theses and Dissertations (Chula ETD)

การวิจัยนี้มีวัตถุประสงค์เพื่อวัดประสิทธิภาพของตัวแบบการเรียนรู้เชิงลึกโครงสร้างผสม GRU-LSTMในการพยากรณ์ระยะราคาปิดหุ้นระยะยาวในอีก 30 วันข้างหน้า โดยมีตัวแบบโครงข่ายระบบประสาทย้อนกลับ,ตัวแบบจำลองหน่วยความจำระยะสั้นแบบยาวและตัวแบบจำลองโครงข่ายประตูวกกลับ ในการร่วมเปรียบเทียบประสิทธิภาพการพยากรณ์ราคาปิดระยะยาว ภายใต้หุ้นใน SET50 ซึ่งในงานวิจัยนี้หุ้นจะถูกเลือกมาจากกลุ่มหุ้นที่มีลักษณะความผันผวนที่แตกต่างกันได้แก่ กลุ่มหุ้นที่มีความผันผวนต่ำ ADVANC BDMS กลุ่มหุ้นที่มีความผันผวนกลาง CPALL MINT กลุ่มหุ้นที่มีความผันผวนสูง SAWAD DELTA โดยข้อมูลของหุ้นแต่ละตัวถูกเก็บตั้งแต่เดือน ตุลาคม พ.ศ. 2561 ถึง กันยายน พ.ศ. 2566 (5 ปีย้อนหลัง) ซึ่งขั้นตอนการแบ่งข้อมูลของงานวิจัยนี้แบ่งเป็น 3 ส่วน ได้แก่ ข้อมูลชุดฝึกฝนตัวแบบ, ข้อมูลตรวจสอบ , ข้อมูลชุดทดสอบตัวแบบ โดยขั้นตอนการสร้างตัวแบบการเรียนรู้เชิงลึกในแต่ละชนิด ได้ใช้วิธีการทำไฮเปอร์พารามิเตอร์จูนนิ่งเพื่อหาชุดไฮเปอร์พารามิเตอร์ที่เหมาะสมที่สุดในแต่ละตัวแบบจากวิธีการค้นหาแบบสุ่ม ผลการวิจัยพบว่าเมื่อใช้ค่าคลาดเคลื่อนเฉลี่ยกำลังสองเป็นเกณฑ์ในการวัดประสิทธิภาพการพยากรณ์ระยะยาวของตัวแบบการเรียนรู้เชิงลึก ตัวแบบโครงสร้างผสม GRU-LSTM ไม่ได้มีประสิทธิภาพการพยากรณ์ระยะยาวสูงกว่าตัวแบบโครงสร้างเดี่ยวเสมอไป ตัวแบบโครงสร้างผสม GRU-LSTM มีประสิทธิภาพการพยากรณ์ระยะยาวสูงกว่าตัวแบบโครงสร้างเดี่ยว GRU และ LSTM ในหุ้นกลุ่มที่มีระดับความผันผวนต่ำ ซึ่งตัวแบบโครงสร้างผสม GRU-LSTM ให้ประสิทธิพยากรณ์ระยะยาวที่ค่อนข้างดีเมื่อเทียบกับเวลาที่ใช้ในการฝึกฝนตัวแบบ

การเปรียบเทียบประสิทธิภาพของการประมาณค่าสัมประสิทธิ์การถดถอยเชิงเส้นด้วยวิธีการลาสโซที่มีความแกร่งภายใต้ข้อมูลมิติสูงที่มีค่านอกเกณฑ์, อัญชิษฐา ศรีภา

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพการประมาณค่าสัมประสิทธิ์การถดถอยทั้งหมด 5 วิธี คือ 1) วิธีการลาสโซแบบปรับได้ที่ใช้ค่าถ่วงน้ำหนักด้วยวิธีการริดจ์ (AD-R) 2) วิธีการลาสโซแบบปรับได้ที่ใช้ค่าถ่วงน้ำหนักด้วยวิธีการลาสโซ (AD-L) 3) วิธีการ LAD Lasso (LAD) 4) วิธีการ Huber Lasso (HB) 5) วิธีการลาสโซแบบปรับได้ที่มีความแกร่ง (RA) ภายใต้ข้อมูลมิติสูง ผ่านข้อมูลจำลองใน 4 กรณีคือ (i) กรณีที่ไม่มีปัญหาค่านอกเกณฑ์ มีค่านอกเกณฑ์ขนาดปานกลางในตัวแปรตาม และมีค่านอกเกณฑ์ขนาดใหญ่ในตัวแปรตาม (ii) กรณีที่ตัวแปรอิสระมีความสัมพันธ์ระดับปานกลางและสูง (iii) กรณีอัตราส่วนสัญญาณต่อสัญญาณรบกวน (SNR) สูงและต่ำ (iv) ขนาดตัวแปรอิสระที่แตกต่างกัน ในการเปรียบเทียบประสิทธิภาพจะพิจารณาความถูกต้องในการพยากรณ์ รวมถึงประสิทธิภาพในการคัดเลือกตัวแปรเข้าสู่ตัวแบบ ผลการศึกษาพบว่า ในด้านความถูกต้องในการพยากรณ์ ในกรณีที่ข้อมูลไม่มีปัญหาค่านอกเกณฑ์ เมื่อตัวแปรมีความสัมพันธ์ระดับสูง AD-R ความสามารถในการพยากรณ์ดีที่สุดในภาพรวม และเมื่อตัวแปรมีความสัมพันธ์ระดับปานกลาง AD-L จะมีความสามารถในการพยากรณ์ดีที่สุดในเกือบทุกกรณี แต่เมื่อข้อมูลมีค่านอกเกณฑ์ขนาดกลาง วิธีการ Huber Lasso มีประสิทธิภาพในการพยากรณ์ดีที่สุดในหลายกรณี ในขณะที่ LAD Lasso จะมีความประสิทธิภาพในการพยากรณ์ดีที่สุดในเกือบทุกกรณีที่ข้อมูลมีค่านอกเกณฑ์ขนาดใหญ่ สำหรับประสิทธิภาพในการคัดเลือกตัวแปรเข้าสู่ตัวแบบ พบว่าในภาพรวม ค่าเฉลี่ยของความแม่นยำและความจำเพาะของวิธีการ AD-L จะมีค่าสูงที่สุดในหลายกรณี แต่เมื่อตัวแปรอิสระมีความสัมพันธ์กันสูง วิธีการ RA จะมีค่าเฉลี่ยความแม่นยำและความจำเพาะสูงสุดในหลายกรณี ในขณะที่ค่าเฉลี่ยของค่าความระลึกของวิธีการ AD-R จะมีค่าเฉลี่ยสูงที่สุดในเกือบทุกกรณีที่ SNR ต่ำและตัวแปรมีความสัมพันธ์กันสูง ส่วนกรณีที่ SNR สูงและตัวแปรมีความสัมพันธ์กันระดับปานกลาง Huber Lasso และ LAD Lasso จะมีค่าเฉลี่ยของค่าความระลึกสูงที่สุด

Binary And Multi-Label Machine Learning Models For Discrete-Time Survival Analysis: A Case Study To Predict Complications And Mortality In Thai Diabetic Patients, Heng Chheang

Chulalongkorn University Theses and Dissertations (Chula ETD)

In this research, we address the issue of predicting complications among Thai diabetic patients, considering the interconnected nature of these complications. Noncommunicable diseases (NCDs) such as Type-I and Type-II diabetes impose a significant global health burden, with major complications such as cardiovascular disease being the leading cause. Early detection of complications is crucial, and survival analysis emerges as a key method for this task. While classical approaches focus on continuous-time survival prediction, the advancement of machine learning has enabled the development of discrete-time survival classification. This thesis conducts a comprehensive analysis of survival prediction for Diabetes-related complications, employing six machine …