📊 Category

stat

441 Arbeiten

📊 Statistik

Transport G-Computation: A Distributional Approach to Longitudinal Causal Inference via Optimal Transport

Dieses Paper schlägt die Transport G-Computation (TGC) vor, ein neuartiges distributionelles Framework, das longitudinale G-Computation mit optimalem Transport kombiniert, um Wasserstein-kausale Effekte zu schätzen, was trotz höherer Rechenkosten eine überlegene Leistung gegenüber der parametrischen G-Computation in Szenarien mit konfundiertem Feedback und Modellfehlspezifikation demonstriert.

Yuanyuan Huang, Tianpu Feng, Jue Zhang, Xiaoxue Song, Xijun He2026-07-14
📊 Statistik

A Non-Stationary Gaussian Process Correction to the Fay-Herriot Estimator: Calibrated Uncertainty for Small Area Estimation

Dieses Paper führt CALIB-SAE ein, eine nicht-stationäre Gauß-Prozess-Korrektur des Fay-Herriot-Schätzers, die eine äquivalente Genauigkeit der Punktprognose beibehält und gleichzeitig die kalibrierte prädiktive Unsicherheit für die Kleinräumige Schätzung über sowohl simulierte als auch reale geografische Datensätze hinweg signifikant verbessert.

SM Afsar Basha2026-07-14
📊 Statistik

A Convex Combination of Fréchet and Weibull Distributions: Model, Estimation, and Applications

Dieses Papier schlägt ein zweikomponentiges Finite-Mischmodell vor, das Fréchet- und Weibull-Verteilungen kombiniert, um heterogenes Tail-Verhalten in Feldern wie der Hydrologie und Zuverlässigkeitstheorie zu adressieren, wobei die Maximum-Likelihood-Schätzung mittels des EM-Algorithmus detailliert wird, die Leistung durch Simulationen validiert wird und der praktische Nutzen an realen Windgeschwindigkeitsdaten demonstriert wird.

Sthitadhi Das2026-07-13
📊 Statistik

Inference for the Lorenz Curve and Gini Index under the Geometric Distribution

Diese Arbeit etabliert die exakten und asymptotischen Verteilungseigenschaften der Maximum-Likelihood-Schätzer für die Lorenzkurve und den Gini-Index unter der geometrischen Verteilung und bietet durch geschlossene Herleitungen, Konsistenzbeweise, Simulationsstudien und die Anwendung auf Realdaten einen rigorosen inferenzstatistischen Rahmen für Ungheitsmaße in diskreten Settings.

Abdul Sathar E I, Jolly Kumari R, Sreekumar N V2026-07-10
📊 Statistik

Apparent criticality from common-drive aliasing in self-exciting networks

Diese Arbeit zeigt auf, dass selbst-exzitierende Netzwerke, die durch einen gemeinsamen nichtstationären Hintergrund angetrieben werden, aufgrund der statistischen Aliasing-Effekte des externen Antriebs in die Interaktionsmatrix kritisch erscheinen können, ein Mechanismus, der dazu führt, dass subkritische Systeme als kritisch fehldiagnostiziert werden, sofern der gemeinsame Antrieb nicht explizit korrigiert wird.

Mauricio Herrera-Marín2026-07-10
📊 Statistik

Efficient recursive data snooping for correlated observations

Dieses Papier stellt Efficient Recursive Data Snooping (ERDS) vor, eine exakte rekursive Reformulierung des iterativen Data Snooping, die durch den Ersatz wiederholter Modell-Redekompositionen durch geschlossene Aktualisierungen die Rechenkosten für korrelierte Beobachtungen signifikant reduziert und dabei eine Laufzeitreduktion von 96,5 % bei der GNSS-Datenverarbeitung erreicht, während identische Detektionsergebnisse zu klassischen Methoden beibehalten werden.

Kunpu Ji, Yunzhong Shen, Wu Chen, Bofeng Li, Ling Yang, Xiaolong Mi2026-07-10
📊 Statistik

Exponential-Type Probability Bounds for Ordered Spacings Across Common Distributions

Diese Arbeit etabliert vereinheitlichte Konzentrationsschranken vom Exponentialtyp für geordnete Abstände über eine vielfältige Menge von Verteilungen hinweg – einschließlich Uniform-, Exponential-, Normal-, Hypergeometrisch-, Beta- und Gammaverteilungen – indem sie Chernoff–Hoeffding-Techniken und Wahrscheinlichkeitsintegraltransformationen nutzt, um zu analysieren, wie die Geometrie der Tails die Schärfe der Schranken beeinflusst.

STHITADHI DAS2026-07-10
📊 Statistik

Machine Learning Analysis of Socioeconomic Stratification and Health Vulnerability in the United States

Unter Verwendung einer überwachten Machine-Learning-Pipeline auf einem synthetischen Datensatz, der auf US-amerikanischen nationalen Erhebungen kalibriert wurde, zeigt diese Studie, dass strukturelle sozioökonomische Faktoren, insbesondere Bildung und Berufsklasse, die dominierenden Prädiktoren für gesundheitliche Vulnerabilität sind – was 82 % der Merkmalsrelevanz erklärt und die Theorie der fundamentalen Ursachen gegenüber verhaltensbezogenen Erklärungen stützt.

Tamim Anowar2026-07-10
📊 Statistik

HS3: A Descriptive, Interoperable Serialization Standardfor Statistical Models in High-Energy Physics

Dieses Paper führt HS3 ein, einen neuen, implementierungsunabhängigen, menschenlesbaren und erweiterbaren Serialisierungsstandard für statistische Modelle in der Hochenergiephysik, der darauf ausgelegt ist, die Einschränkungen bestehender Formate zu überwinden, indem er maschinenlesbare Interoperabilität, langfristige Erhaltung und FAIR-Datenprinzipien über verschiedene Software-Frameworks hinweg ermöglicht.

Carsten Burgard, Oliver Schulz, Giordon Stark, Jonas Rembser, Simon Cello, Cornelius Grunwald2026-07-10