📊 Category

stat.ME

2312 articles

La statistique est bien plus qu'une simple collection de chiffres ; c'est le langage fondamental qui permet de transformer l'incertitude en connaissance fiable. Sur Gist.Science, nous explorons les avancées récentes en statistique pour démontrer comment ces outils rigoureux éclairent des domaines aussi variés que la santé publique, l'économie ou l'intelligence artificielle. Notre mission est de rendre ces découvertes accessibles à tous, sans sacrifier la précision scientifique nécessaire à leur compréhension.

Nous sélectionnons attentivement chaque nouveau prépublication publiée sur arXiv dans ce domaine. Pour chaque article, notre équipe fournit deux niveaux d'analyse : un résumé en langage clair pour le grand public et une synthèse technique détaillée pour les experts. Cette double approche garantit que les idées les plus complexes deviennent compréhensibles tout en conservant leur profondeur méthodologique.

Vous trouverez ci-dessous la sélection la plus récente de ces études, où la rigueur mathématique rencontre des applications concrètes et innovantes.

📊 statistics

Parameter Estimation for Time-Scaled Inhomogeneous Phase-Type Distributions from Discrete Observations

Cet article propose un cadre d'espérance-maximisation stochastique (SEM) efficace sur le plan computationnel qui combine l'augmentation de données par pont de Markov avec des mises à jour sous forme fermée pour estimer les paramètres de distributions de type phase inhomogènes à échelle temporelle à partir d'observations discrètes et irrégulièrement espacées, traitant efficacement le problème des données manquantes sans nécessiter d'optimisation non linéaire contrainte.

Fernando Baltazar-Larios, Alejandra Quintos2026-08-17
💻 computer science

FactorFlow: A Visual Analytics Workspace with Large Language Model-Assisted Interpretation for Factor Analysis

Cet article présente FactorFlow, un espace de travail d'analyse visuelle qui intègre des visualisations interactives et des modèles de langage de grande taille pour aider les chercheurs à effectuer, interpréter et comparer plus efficacement et plus de manière plus performante des modèles d'analyse factorielle exploratoire.

Justin Philip Tuazon, Joemari Olea, Richelle Ann Juayong2026-08-17
📊 statistics

Small Area Estimation under Spatial Regimes: Spatially Clustered Fay-Herriot Models for Agricultural Indicators

Cet article propose un cadre de Fay-Herriot à regroupement spatial (SC-FH) qui estime simultanément les paramètres de régression spécifiques aux clusters et génère des partitions spatialement cohérentes via une approche de vraisemblance pénalisée, améliorant ainsi la précision de la prédiction des indicateurs agricoles dans des régions présentant des relations spatialement hétérogènes par rapport aux modèles standards.

Paolo Maranzano (University of Milano-Bicocca, Department of Economics, Management and Statistics, Fondazione Eni Enrico (…)2026-08-17
📊 statistics

On the Brittleness of Maximum Likelihood Estimation for Gaussian Process Hyperparameter Optimization

Cet article étudie la fragilité de l'estimation du maximum de vraisemblance (MLE) dans l'entraînement des processus gaussiens, démontrant que lorsque les hypothèses sous-jacentes sont violées, la MLE conduit à une mauvaise généralisation, et propose des solutions pratiques, fondées théoriquement, qui surpassent les méthodes existantes en termes de précision, de quantification de l'incertitude et de coût d'inférence pour les tâches d'ingénierie en aval.

Tyler R. Johnson, Kian Ben-Jacob, Christopher P. Muller, Ramin Bostanabad2026-08-17
📈 economics

Sharp Minimax Theory for Randomized Experiments

Cet article établit que pour les résultats potentiels binaires dans les expériences aléatoires en population finie, la stratégie minimax-optimale implique une randomisation de Bernoulli couplée à un estimateur de contraction non linéaire, atteignant une expansion du risque de second ordre de n−1−Cn−4/3n^{-1} - Cn^{-4/3} et démontrant que les procédures standards telles que la randomisation complète sont sous-optimales au-delà du premier ordre.

Timothy Sudijono, Edgar Dobriban, Eric Tchetgen Tchetgen2026-08-17
📊 statistics

Coherence, charity and triangulation in statistical modelling

Cet article critique les distinctions bayésiennes traditionnelles en appliquant la philosophie de l'interprétation radicale de Donald Davidson pour soutenir que la modélisation statistique devrait être considérée comme un système de croyances unifié régi par les contraintes de cohérence, de charité et de triangulation, reformulant ainsi des pratiques telles que l'élicitation de priors et la vérification de modèles comme des efforts visant à aligner les croyances sur l'entendement humain partagé et la réalité.

David J. T. Sumpter2026-08-17
📊 statistics

A Unified Bayesian Model for Voter Turnout Estimation: Combining Surveys, Aggregate Data, and Selection Correction

Cet article propose un cadre hiérarchique bayésien unifié qui intègre des données d'enquête au niveau individuel, des marges de participation agrégées et des décomptes de recensement avec une correction de sélection afin d'améliorer la précision de l'estimation de la participation électorale pour les sous-groupes démographiques, démontrant des gains substantiels par rapport aux références dans des simulations et des améliorations modestes dans une application aux élections estoniennes de 2023.

Margus Niitsoo, Reimo Rebane, Tarmo Jüristo2026-08-17
📊 statistics

FastJM: An R Package for Efficient Implementation of Semiparametric Joint Models for Longitudinal and Survival Data

Cet article présente FastJM, un package R efficace qui utilise des algorithmes de balayage linéaire personnalisés au sein d'un cadre d'espérance-maximisation afin de fournir une estimation fréquentiste informatiquement évolutive et des outils d'analyse complets pour trois classes de modèles joints semi-paramétriques traitant des données longitudinales et de survie.

Shanpeng Li, Emily Ouyang, Ace Isabel Mejia-Sanchez, Xinping Cui, Gang Li2026-08-17