stat artículos | Gist.Science

Trust in Health Information Sources and Perceived Climate Change Health Risks: Evidence from the 2022 and 2024 Health Information National Trends Survey

Utilizando datos de la Encuesta Nacional de Tendencias de Información de Salud de 2022 y 2024, este estudio revela que la confianza en las agencias gubernamentales de salud es el predictor más fuerte de la percepción del cambio climático como un riesgo para la salud, mientras que la confianza en los científicos muestra una asociación más débil y decreciente con el tiempo y la confianza en los médicos no es un factor significativo.

Miyeon Kim2026-07-01

📊 statistics

Mathematical Modeling of the Rate of Cognitive Adaptation With an AI Tutor Among Adult Learners

Este estudio empírico valida un modelo matemático que demuestra que la tasa de adaptación cognitiva de los estudiantes adultos en campos técnicos está impulsada primordialmente por la relación entre la humildad intelectual y el ruido del ego, en lugar del potencial intelectual inicial, siendo que la minimización del ruido del ego acelera significamente el tiempo para alcanzar una meseta de soluciones correctas.

Kibriyo Mukhamadieva2026-07-01

📊 statistics

Scalable Random Survival Forests via Risk Set Sampling

Este artículo propone un método de Bosques de Supervivencia Aleatorios escalable que utiliza el muestreo de conjuntos de riesgo para reducir significativamente el tiempo de entrenamiento manteniendo o incluso mejorando el rendimiento predictivo, con el enfoque implementado ahora en el ampliamente utilizado paquete de R `ranger`.

Justine B. Nasejje, Niklas Koenen, Marvin N. Wright, Henry Mwambi2026-07-01

📊 statistics

A New Pareto-Type Family via the Right-Sided Riemann–Liouville Fractional Integral: Properties and Applications

Este artículo introduce una nueva familia flexible de distribuciones de tipo Pareto generadas mediante el operador de integral fraccionaria de Riemann–Liouville de lado derecho, la cual ofrece un mecanismo teóricamente fundamentado para regular el comportamiento de la cola y demuestra un desempeño superior en el modelado de datos del mundo real de cola pesada en comparación con los modelos existentes.

Kamaldeen Olomoda ISIAK, AKEYEDE Imam, Yunus MUSA Olatunji, OYETAYO Oyebisi, Muhammad Abiodun SULAIMAN2026-07-01

📊 statistics

Real-world performance of large-scale propensity score adjustment strategies: Matching, weighting, and stratification

Este estudio evalúa estrategias de ajuste por puntaje de propensión a gran escala en cuatro bases de datos nacionales de atención médica y concluye que el ponderado de probabilidad inversa de tratamiento con recorte de Crump y el emparejamiento 1:1 generalmente ofrecen el mejor desempeño, aunque ninguna estrategia es universalmente superior, lo que requiere el uso de diagnósticos y calibración empírica para guiar la selección.

Kelly M Li, Martijn J Schuemie, Patrick B Ryan, Linying Zhang, Yong Chen, Kashish Priyam, Nicole Pratt, George Hripcsak (…)2026-07-01

📊 statistics

A Probabilistic Framework for Reconstructing Sparse UAV-Based Radiation Monitoring Data Using Gaussian Process Regression and Uncertainty Quantification

Este estudio propone un marco probabilístico consciente de la incertidumbre que utiliza la Regresión por Procesos Gaussianos para reconstruir eficazmente los datos dispersos de monitoreo de radiación basados en UAV de la Zona de Exclusión de Chornobyl, superando a los métodos de interpolación tradicionales en precisión al tiempo que proporciona estimaciones esenciales de la incertidumbre espacial para una toma de decisiones ambientales informada.

Andrii Bondarchuk, Tetiana Nosenko, Yurii Zabulonov2026-06-30

📊 statistics

Robust Regularised M-Estimators for High-Dimensional Regression with Heavy-Tailed and Skewed Errors

Este artículo introduce una clase de estimadores M regularizados robustos para la regresión de alta dimensión que logra tasas de convergencia óptimas y consistencia en la selección de variables bajo condiciones de momento mínimas (finito $\alpha > 1$ ), superando a los métodos existentes tanto en simulaciones como en aplicaciones genómicas del mundo real al tratar con errores de cola pesada, sesgados o contaminados.

Mazona Victor, Vincent Odiaka, Gabriel O. Obadina2026-06-30✓ Author reviewed ⓘ

📊 statistics

Sparse Convex Biclustering

El artículo propone SpaCoBi (Sparse Convex Biclustering), un nuevo método de optimización convexa con un criterio de ajuste basado en la estabilidad que aborda eficazmente los desafíos de ruido y computación en conjuntos de datos de alta dimensión, demostrando una precisión y robustez superiores en comparación con las técnicas de biclúster actuales del estado del arte.

Jiakun Jiang, Dewei Xiang, Cheliang Gu, Wei Liu, Binhuan Wang2026-06-30

📊 statistics

Detecting and Quantifying Circularity Bias When Composite Quality Ratings Are Used as Covariates: A Methodological Demonstration Using CMS Hospital Excess Readmissions Data

Este artículo demuestra que la inclusión de calificaciones de calidad compuestas como covariables en modelos de regresión introduce un sesgo de circularidad que atenúa sistemáticamente los efectos estimados de los predictores estructurales, un peligro metodológico confirmado a través de datos de reingreso hospitalario de CMS y simulaciones de Monte Carlo.

Ali Akram2026-06-30

📊 statistics

Perceived scarcity and risky choice under high objective risk: Evidence from a hierarchical drift diffusion model

Este estudio demuestra que la escasez de recursos percibida aumenta la toma de decisiones arriesgadas, particularmente bajo un alto riesgo objetivo, al acelerar la tasa de deriva hacia la opción arriesgada según lo revelado mediante el modelado de difusión de deriva jerárquica.

Hongmin Luo, Junyu Liang, Jun Chen2026-06-30

← Anterior Siguiente →