📊 statistics

Efficient and Robust Block Designs for Order-of-Addition Experiments

تتناول هذه الورقة البحثية الاستكشاف المحدود لتصاميم الكتل لتجارب "ترتيب الإضافة" من خلال توسيع إطار دالة المؤشر، واقتراح نمط طول الكلمة كمعيار اختيار قوي، وتطوير خوارزميات فعالة تعتمد على المربعات اللاتينية المتعامدة لإنشاء تصاميم تدير الارتباك بفعالية مع الحفاظ على قوة إحصائية مماثلة للتصاميم الكاملة.

Chang-Yun Lin2026-02-04
📊 statistics

Evaluating Bias Reduction Methods in Binary Emax Model for Reliable Dose-Response Estimation

تُثبت هذه الورقة، من خلال عمليات المحاكاة وتطبيق تجربة سريرية واقعية، أن مُقدِّر الاحتمالية القصوى المُعاقب الأقصى (MPLE) باستخدام توزيع جيفريز (Jeffreys prior) يقدم بديلاً أكثر متانة واستقراراً لطرق الإمكانية القصوى القياسية وطرق فيرث (Firth methods) لتقليل الانحياز في نماذج استجابة الجرعة الثنائية من نوع (Emax)، لا سيما في ظل أحجام العينات الصغيرة أو الظروف غير الرتيبة.

Jiangshan Zhang, Vivek Pradhan, Yuxi Zhao2026-02-04
📊 statistics

Directional replicability: when can the factor of two be omitted

تُبين هذه الورقة أن الممارسة القياسية المتمثلة في مضاعفة القيم الاحتمالية أحادية الجانب المجمعة لمواجهة تعدد الاختبارات في تحليل التكرارية الاتجاهية ليست ضرورية دائمًا، وتحدد شروطًا محددة يمكن بموجبها إهمال هذا التصحيح بأمان.

Vera Djordjilović, Tamar Sofer, Jonathan M. Dreyfuss2026-02-04
📊 statistics

Inference on the Significance of Modalities in Multimodal Generalized Linear Models

تقترح هذه الورقة مقياساً جديداً قائماً على الإنتروبيا وإحصائية متسقة قائمة على الانحراف لتمكين الاستدلال الإحصائي الصارم، بما في ذلك القيم الاحتمالية وفترات الثقة، لتقييم دلالة الأنماط الفردية ضمن النماذج الخطية المعممة متعددة الوسائط عالية الأبعاد.

Wanting Jin, Guorong Wu, Quefeng Li2026-02-04
📈 economics

Bias-Reduced Estimation of Finite Mixtures: An Application to Latent Group Structures in Panel Data

تقترح هذه الورقة طريقة تقدير لتقليل الانحياز لنماذج الخليط المحدودة في بيانات السلاسل الزمنية الطولية (panel data) تستخدم مصنفاً متسقاً لتعظيم احتمالية التصنيف، وتثبت من خلال المحاكاة والتطبيق التجريبي أنها تتفوق بشكل كبير على تقدير الاحتمال الأقصى القياسي عبر التخفيف من انحياز العينات المحدودة وتحسين دقة التنبؤ خارج العينة.

Raphaël Langevin2026-02-04
📊 statistics

Markov Random Fields: Structural Properties, Phase Transition, and Response Function Analysis

تقدم هذه الورقة مراجعة مركزة للحقول العشوائية لـ ماركوف الثنائية، حيث تفحص خصائصها الهيكلية وتحولات الطور مع تقديم دالات الاستجابة كأداة توحيد لتحليل كيفية تأثير مختلف صياغات النماذج على الاعتماد والتوزيعات، مع امتداد التداعيات إلى سيناريوهات البيانات الفئوية الأوسع.

J. Brandon Carter, Catherine A. Calder2026-02-04
📊 statistics

Disentangling spatial interference and spatial confounding biases in causal inference

توضح هذه الورقة تعريفات التداخل المكاني والارتباك المكاني باستخدام إطار الرسم البياني الموجه غير الدوري (DAG) لاستخلاص تعبيرات التحيز التحليلية في ظل إعدادات توزيع عامة، مما يبرهن على كيفية تأثير الأوزان المكانية، وتوزيعات المعالجة، ومقدار التداخل بشكل حاسم على التقديرات السببية مع التحقق من صحة هذه النتائج النظرية من خلال المحاكاة والبيانات الواقعية.

Isqeel Ogunsola, Olatunji Johnson2026-02-04
📊 statistics

Empirical Bayes Shrinkage of Functional Effects, with Application to Analysis of Dynamic eQTLs

تقدم هذه الورقة إطار عمل الانكماش التكيفي الوظيفي (FASH)، وهو إطار بايزي تجريبي يستفيد من العمليات الغاوسية لتقدیم واختبار دالات التأثير عبر الوحدات بشكل مشترك، مما يوفر قدرة إحصائية محسنة واستدلالاً مبدئيًا للبيانات الديناميكية مثل دراسات سمات التعبير الجيني المعتمدة على الوقت (eQTL).

Ziang Zhang, Peter Carbonetto, Matthew Stephens2026-02-04
📊 statistics

Causal Inference on Networks under Misspecified Exposure Mappings: A Partial Identification Framework

تقترح هذه الورقة إطاراً جديداً للتعريف الجزئي يستخلص حدوداً حادة للتأثيرات المباشرة والآثار الجانبية لتقييم متانة الاستدلال السببي في الشبكات عندما يكون رسم خرائط التعرض غير محدد بدقة، مما يوفر مُقدِّرات صالحة وفعالة لثلاث حالات نموذجية.

Maresa Schröder, Miruna Oprescu, Stefan Feuerriegel, Nathan Kallus2026-02-04
📊 statistics

Kriging for large datasets via penalized neighbor selection

تقترح هذه الورقة إطار عمل للكريجينج المُعاقب (penalized kriging) يستخدم تنظيم "لاسو" (LASSO) وتنظيم "لاسو التكيفي" (adaptive LASSO) لاختيار الجيران الأمثل تلقائياً بناءً على الارتباط المكاني، مما يحقق دقة تنبؤ على المستوى العالمي لمجموعات البيانات الكبيرة بتكلفة حوسبية أقل بكثير مقارنة بالطرق التقليدية.

Francisco Cuevas-Pacheco, Jonathan Acosta2026-02-04