📊 Category

stat

441 Arbeiten

📊 Statistik

The Smallest Standard Error Is the Wrong One: Selection Among Multiple Imputations Invalidates Inference

Diese Arbeit zeigt auf, dass die Auswahl der multiplen Imputationsanalyse mit dem kleinsten Standardfehler die statistische Inferenz systematisch invalide macht, indem sie die essenzielle Varianz zwischen den Imputationen verwirft und die Varianz innerhalb der Imputationen künstlich verringert, was zu schwer unterdeckten Konfidenzintervallen und verzerrten Schätzungen führt, während die Pooling-Regeln nach Rubin die Kalibrierung korrekt bewahren.

Nyiko Muhluri Khoza¹, Bhekisipho Twala², Jean-Claude Malela-Majika³2026-10-21
📊 Statistik

Collaborative Mass Matrix Adaptation for Multi-Chain Hamiltonian Monte Carlo

Das Papier schlägt Collaborative NUTS (C-NUTS) vor, eine Methode, die während der Warmup-Phase Gradienten- und Positionsinformationen über mehrere parallele Ketten hinweg zusammenführt, um eine stabilere Schätzung der Massenmatrix zu konstruieren, was die Stichproben-Effizienz und die effektive Stichprobengröße im Vergleich zur Standard-Einzelketten-Adaption, insbesondere in moderat-dimensionalen Settings, signifikant verbessert.

Fen Chen, Pinghua Yang, Zhaohui Chen, Jing Li, Xin Lv2026-10-21
📊 Statistik

Early-Career Research Funding and Cumulative Advantage in Scientific Careers: A Mathematical Model and Empirical Analysis

Durch die Kombination eines mathematischen Modells der gegenseitigen Verstärkung mit einer empirischen Analyse von 40.000 japanischen Forschenden demonstriert diese Studie, dass der Erhalt von Forschungsförderung in der frühen Karrierephase eine statistisch signifikante und sich weitende Leistungslücke über Jahrzehnte hinweg schafft, was bestätigt, dass der „Matthäus-Effekt“ die langfristige Stratifizierung in wissenschaftlichen Karrieren vorantreibt, selbst wenn man das anfängliche Talent kontrolliert.

Yuhei Yamaguchi2026-10-21
📊 Statistik

Complex Probabilistic Neutrosophic Sets for Multi-Criteria Decision-Making: New Aggregation Operators and Comparative Analysis

Dieses Papier führt die neuartige komplexe probabilistische Neutrosophic-Menge (CPN) ein, um Akzeptanzniveaus von Expertenmeinungen in unsicheren realen Szenarien besser zu erfassen, schlägt neue gewichtete Durchschnitts- und geometrische Aggregationsoperatoren vor und validiert ein entsprechendes Multi-Kriterien-Entscheidungsrahmenwerk durch eine Fallstudie zur Autowahl sowie eine vergleichende Analyse.

Faisal Al-Sharqi, Ashraf Al-Quran2026-10-21
📊 Statistik

Computational Growth Modeling: Assessing Longitudinal Change with Joint Models

Dieses Paper führt das „Computational Growth Modeling“ ein und validiert es als einen gemeinsamen Modellierungsansatz, der hierarchische Computermodelle mit Längsschnittdaten integriert, um individuelle Veränderungen in Verhaltensprozessen über die Zeit im Vergleich zu traditionellen zweistufigen Methoden genauer zu schätzen und dadurch verbesserte Einblicke in die Ätiologie der Psychopathologie zu bieten.

Jeremy Haynes, Nathaniel Haines, Holly Sullivan-Toole, Thomas Olino2026-10-21
📊 Statistik

Assessing the accuracy of census-independent small area modelled population datasets

Diese Studie validiert die Genauigkeit von zensusunabhängigen modellierten Bevölkerungsschätzungen durch den Vergleich mit den Volkszählungsdaten Sambias aus dem Jahr 2022 und stellt dabei starke Korrelationen auf nationaler sowie subnationaler Ebene fest, während sie gleichzeitig identifiziert, dass eine Verfeinerung der Schichtung der Siedlungsstrukturen entscheidend ist, um systematische Überschätzungen zu reduzieren.

Heather R. Chamberlain, Claire A. Dooley, Frank Kakungu, Andrew J. Tatem2026-10-21
📊 Statistik

Scalable Bayesian maximum entropy for large environmental data sets through Vecchia graphical inference

Dieses Paper stellt VISTA-BME vor, eine skalierbare Methode, die Vecchia-graphische Inferenz mit Gauß-Erwartungswerten und Mischungspropagierung kombiniert, um die rechnerischen Einschränkungen konventioneller Bayesscher maximaler Entropie zu überwinden und so eine effiziente Verarbeitung großer Umweltdatensätze mit sowohl exakten als auch weichen Beobachtungen unter Beibehaltung hoher Genauigkeit sowie einer signifikanten Reduzierung von Speicher- und Zeitkosten zu ermöglichen.

Ying-Fan Lin, Hwa-Lung Yu2026-10-20
📊 Statistik

Source information limits lower-risk claims from synthetic validation cohorts

Diese Studie zeigt, dass die Vergrößerung synthetischer Validierungskohorten zwar die bedingte Präzision verbessern kann, jedoch häufig die Raten falscher Zertifizierungen für Risikoansprüche mit geringerem Risiko erhöht, sofern nicht eine Quellen-Refitting-Methode angewendet wird, um übermäßige Fehler zu mildern, wobei solche Korrekturen jedoch mit einem Verlust an statistischer Power einhergehen und Bias unter fester Fehlspezifikation nicht vollständig eliminieren können.

Tianyi Yu2026-10-20
📊 Statistik

Exact Likelihood-Coin Poisson Sampling for Bayesian Inverse Problems with Sharp Complexity Bounds

Diese Arbeit führt ein exaktes bayesianisches Rechenframework für inverse Probleme ein, das eine Bernstein-Poisson-Konstruktion nutzt, um Bernoulli-Vorwärtsereignisse in Likelihood-Münzen umzuwandeln, was eine modellunabhängige Posterior-Abtastung mit scharfen Komplexitätsschranken und einer Kontinuumsrealisierung für funktionswertige elliptische Probleme ermöglicht.

Zhiliang Deng, Xiaomei Yang2026-10-20