📊 Category

stat

108 Arbeiten

📊 statistics

A Mathematical Model of Swine Flu (H1N1) Transmission with Imperfect Behavioral Vaccination Dynamics: A Case Study of Japan

Diese Studie schlägt ein neuartiges achtkompartimentelles deterministisches Modell vor, das zeitabhängige Verhaltensdynamiken der Impfung einbezieht, um die H1N1-Übertragung in Japan zu analysieren, und zeigt auf, dass die basisreproduzierende Zahl die Stabilität der Krankheit bestimmt und dass eine effektive Eindämmung von der Optimierung der Impfquote, der Quarantänemaßnahmen sowie der Reduzierung der wahrgenommenen Impfkosten abhängt.

Md. Zakir Hosen, Akhil Kumar Srivastav, Jun Tanimoto2026-07-21
📊 statistics

Probabilistic Risk Stratification and Transition-Sensitive Explainability for Attorney Involvement in Workers' Compensation Claims

Diese Studie nutzt einen CatBoost-Klassifikator auf 48.130 Ansprüchen aus der gesetzlichen Unfallversicherung, um die Beteiligung von Anwälten als probabilistischen Risikoprozess zu modellieren, wobei aufgezeigt wird, wie sich die Treiber für Rechtsstreitigkeiten über Niedrig-, Mittel- und Hochrisikostufen hinweg verschieben, und asymmetrische Merkmalsmuster nahe der Regimengrenzen offenbart werden, um die Risikostratifizierung und Erklärbarkeit zu verbessern.

Gonzalo Agustin Vivian, Chelsea M. Zuvieta, Taghi M. Khoshgoftaar2026-07-20
📊 statistics

Reverse-Engineering Radiation Oncology: A Reproducible Pipeline for Affiliation Disambiguation and Author Localisation in the Medical Sciences

Diese Arbeit präsentiert eine reproduzierbare, fachbereichsunabhängige Pipeline, welche die Genauigkeit der Zuordnung von Autorenstandorten und der Seniorität in der Radioonkologie verbessert, indem sie Daten direkt aus den rohen Affiliations-Strings ableitet, anstatt sich auf fehleranfällige institutionelle Tags zu verlassen, wodurch eine signifikant höhere Präzision (F1 ≈ 0,92) als Standard-Baselines erreicht wird.

David Kaul2026-07-20
📊 statistics

The name-collision burden of name-based author attribution is unequal across name origins: a measurement in OpenAlex, and an identifier-based remedy (SigmaCV)

Diese Studie quantifiziert die signifikant höhere Belastung durch Namenskollisionen, der ostasiatische Forschende im Vergleich zu ihren anglophonen und anderen Gegenstücken innerhalb der OpenAlex-Datenbank ausgesetzt sind, was zeigt, dass die namensbasierte Attribution von Natur aus ungleich ist und für die Einführung von identifier-basierten Lösungen wie SigmaCV plädiert, um eine faire Forschungsbewertung zu gewährleisten.

Basile Chrétien2026-07-17
📊 statistics

Robust Dependence Detection in Official Statistics: A Data Based Methodology

Dieses Paper schlägt das Bergsma-Dassios τ∗\tau^* als ein robustes, auf Vorzeichen-Kovarianz basierendes Abhängigkeitsmaß für offizielle Statistiken vor und demonstriert durch theoretische Analysen, Anwendungen auf EU-SILC-Daten sowie Simulationsstudien, dass es traditionelle Korrelationsmetriken bei der Erkennung nichtlinearer Beziehungen und dem Umgang mit Datenkontamination übertrifft.

STHITADHI DAS2026-07-17
📊 statistics

Quantile Necessary Condition Analysis: A Tolerance-Parameterized Generalization of Necessary Condition Analysis

Dieses Paper führt die Quantil-Notwendige-Bedingungs-Analyse (QNCA) ein, eine toleranzparametrisierte Erweiterung der NCA, welche die deterministische Obergrenze durch bedingte Quantil-Fronten ersetzt, um die Sensitivität der Effektstärken gegenüber einzelnen Grenzbeobachtungen zu mildern und gleichzeitig den Kern des interpretativen Rahmens der Methode zu bewahren.

Marek Deja2026-07-15
📊 statistics

Dynamic-Parameter SIRD Forecasting: ReproducibleTime-Varying Rate Estimation for COVID-19

Dieses Paper stellt ein reproduzierbares, hybrides SIRD-Framework vor, das zeitvariable epidemische Parameter mittels algebraischer Inversion und Vektor-Autoregression schätzt, um statische und naive Prognose-Baselines bei der Vorhersage von COVID-19-Fällen und -Todesfällen zu übertreffen, wenngleich es derzeit eine begrenzte probabilistische Kalibrierung aufweist.

Juliho David Castillo Colmenares2026-07-15
📊 statistics

Neural Networks for net survival estimation and prediction

Diese Arbeit stellt einen maschinellen Lernansatz unter Verwendung eines adaptierten Partial Logistic Artificial Neural Network (PLANN) zur Schätzung und Vorhersage der Nettosurvival vor, wobei die Flexibilität bei der Handhabung komplexer Datenstrukturen im Vergleich zu traditionellen Spline-basierten Regressionen aufgezeigt wird, während gleichzeitig eine höhere Varianz der Schätzungen bei kleineren Stichprobenumfängen angemerkt wird und das R-Paket `survivalPLANN` zur Implementierung bereitgestellt wird.

Thomas Ollard, Yohann Foucher2026-07-15