stat artículos | Gist.Science

Causal Intervention Modeling of Exercise--Sleep--Mental Health for College Students from Multimodal Wearable Data

Este artículo presenta CISM, un Modelo de Estado Intervencionista Composicional que aprovecha datos portátiles multimodales para estimar causalmente cómo la reasignación de los presupuestos de ejercicio afecta el sueño y la salud mental subsiguientes de los estudiantes universitarios a través de un marco de intervención estocástica secuencial, validado en conjuntos de datos del mundo real y experimentos estructurales.

Yue Wei, Mohamed Nashrudin Naharudi, Jing Zhang, Jing Li, Jinhui Zhang, Dian Wang2026-10-29

📊 estadística

Sparse Poisson Log Normal Model for Zero-Inflated Multivariate Count Data

Este artículo propone un método de selección de variables dispersas para el modelo de Poisson Log-Normal con Inflación de Ceros (ZIPLN) mediante la extensión del Criterio de Información Suave (SIC) con una cota inferior de evidencia (ELBO) penalizada con norma L0 y un algoritmo VEM de telescopio ε para manejar covariables de alta dimensión en datos de conteo multivariantes, tal como se demuestra a través de simulaciones y un estudio de comunidad microbiana.

Togo Jean Yves KIOYE, Paul-Marie GROLLEMUND, Jocelyn CHAUVET, Christophe CHASSARD2026-10-29

📊 estadística

Variance reduction and interval efficiency in forecast reconciliation

Este artículo demuestra que la dependencia de la reconciliación de pronósticos en la reducción de la varianza es insuficiente para garantizar la eficiencia de los intervalos mediante la construcción de una familia de residuos no elípticos donde los anchos esperados de los intervalos se revierten a pesar de una covarianza y cobertura fijas, mientras que también evalúa empíricamente los estimadores de covarianza en jerarquías del mundo real para mostrar que el encogimiento centrado mejora las puntuaciones pero no asegura uniformemente la cobertura nominal.

Jufeng Li, Wenjie Li, Junhao Zhan2026-10-29

📊 estadística

Comparison of Machine Learning Methods for Monthly Rainfall Forecasting Using k-Nearest Neighbors, Random Forest, and Artificial Neural Networks

Este estudio compara k-Vecinos más Cercanos, Bosques Aleatorios y Redes Neuronales Artificiales para el pronóstico de la precipitación mensual en Pangkalpinang y encuentra que los Bosques Aleatorios superan a los otros dos algoritmos basándose en métricas de evaluación como MAE, RMSE y R².

Mico Maulana, Giarno2026-10-29

📊 estadística

Distortion in Risk Estimation Driven by Study Period Adjustment and Young-Age Event Sparsity: A Critical Evaluation of Secondary Analyses on the Nagoya City HPV Vaccination Survey

Este artículo evalúa críticamente y refuta la validez metodológica del análisis secundario de Yaju y Tsubaki sobre la encuesta de vacunación contra el VPH de la ciudad de Nagoya, demostrando que su uso del ajuste del Período de Estudio y de elecciones de modelado específicas introdujo sesgos estructurales severos y artefactos matemáticos que distorsionaron las estimaciones de riesgo y socavaron la integridad científica.

Sadao Suzuki2026-10-28

📊 estadística

A two-stage minimum compromise consensus model with dynamic compromise learning

Este artículo propone un marco de consenso de ajuste mínimo de dos etapas que aprende y extiende dinámicamente los límites de compromiso de los individuos para alcanzar los niveles de consenso requeridos cuando los ajustes iniciales son insuficientes, tal como se demuestra en una aplicación de cribado de fármacos anticancerígenos.

Qun Su, Dong Cheng, Yong Wu2026-10-28

📊 estadística

How can digital and AI-enabled behaviour change interventions be evaluated while they are changing? HUMMBER: identifying what changed, for whom, why and with what effect

Este artículo presenta HUMMBER, un marco de evaluación reutilizable y centrado en el ser humano diseñado para evaluar continuamente las intervenciones de cambio de comportamiento digitales y habilitadas por IA a medida que evolucionan, demostrando su viabilidad computacional y su capacidad para rastrear cambios, identificar grupos afectados y determinar efectos causales a través de un estudio de prueba de concepto totalmente sintético.

Maria Alejandra Pinero de Plaza, Ian Halkett, Damith Ranasinghe, Carlos Javier Barrera Causil, Joanne Dollard, Renuka V (…)2026-10-28

📊 estadística

Multivariate Quality Framework Combining Factor Analysis, PCA, Clustering, and Robustness Validation in Saudi Arabia using Open Government Hospital Data

Este estudio propone un marco multivariante reproducible que utiliza PCA, análisis factorial y agrupamiento sobre los datos abiertos de los hospitales gubernamentales de Arabia Saudita para construir un índice de desempeño multidimensional y robusto que revele la heterogeneidad regional y respalde la planificación sanitaria basada en datos.

Mohammed Al Awadh2026-10-27

📊 estadística

Monte Carlo simulation and breast cancer transcriptomic benchmarking characterize reliability limits of high-dimensional biomedical feature selection

Este estudio utiliza simulaciones de Monte Carlo y referencias de transcriptómica de cáncer de mama para demostrar que la fiabilidad de la selección de características de alta dimensión es estrictamente condicional a factores tales como el tamaño de la muestra, la correlación de las características y la distribución de la señal, en lugar de estar determinada por un método universalmente superior.

Hao Ma, Jiaxin Yin2026-10-27

📊 estadística

Short-Term Forecasting of Monthly Syphilis Cases Using a Stability and Recency-Aware Selective Ensemble

Este estudio propone un marco de ensamblaje selectivo consciente de la estabilidad y la recencia (SRSE, por sus siglas en inglés) optimizado mediante Optimización por Enjambre de Partículas (PSO) que supera significativamente a los modelos individuales y de ensamblaje tradicionales en el pronóstico de casos mensuales de sífilis en la provincia de Jiangsu, ofreciendo una herramienta robusta para la vigilancia de enfermedades a corto plazo.

Shanhua Zhang, Xinxin Shen2026-10-27