📊 statistics

Auxiliary-Enhanced Survey Calibration: A Novel Framework for Reject Inference under Sample Selection Bias

Cet article propose un nouveau cadre de calibration par enquête amélioré par des variables auxiliaires pour l'inférence de rejet qui évite la dégradation des performances des méthodes d'imputation traditionnelles en repondérant les candidats acceptés pour correspondre aux totaux de la population, prouvant ainsi être consistant et asymptotiquement normal tout en améliorant significativement la calibration du risque de la population et en maintenant le pouvoir de discrimination sous spécification incorrecte du modèle.

Abderrahim EL AMRANI, Badreddine BENYACOUB, Mohammed EL HAJ TIRARI2026-07-08
📊 statistics

An Interpretable Statistical Learning Framework for Binary Classification: An Application to Student Stress Prediction

Cette étude propose et valide un cadre d'apprentissage statistique interprétable qui intègre la régression pénalisée, la sélection de stabilité par bootstrap et l'apprentissage automatique explicable basé sur SHAP pour prédire avec précision le stress des étudiants, identifiant des prédicteurs clés tels que la pression des examens et les heures de sommeil tout en garantissant la transparence et la reproductibilité du modèle.

Francis Okyere2026-07-08
📊 statistics

Adaptive Tail Correction for Extreme Value Modelling: A Power Log Hybrid Extension of the GEV Distribution

Cet article propose la PLH-GEV, une extension Power Log Hybrid flexible de la distribution des Valeurs Extrêmes Généralisées qui corrige de manière adaptative la rigidité de la queue de survie afin d'améliorer significativement la précision des quantiles extrêmes dans les ensembles de données financières et d'assurance, tout en revenant au modèle classique lorsque cela est inutile.

Arslan Khalid, Ishfaq Ahmed, Ibrahim Mufrah Almanjahie2026-07-07
📊 statistics

Properties and Statistical Inference for the Standard Gram--Charlier Type A Distribution and Its Exponentiated Version

Cet article dérive des propriétés fondamentales, incluant les conditions de normalisation, les fonctions génératrices et les relations de moments, pour la distribution de Gram–Charlier de type A standardisée et sa version exponentiée, tout en abordant également des limites telles que le problème de non-négativité des développements tronqués.

Sthitadhi Das, Subhrajit Saha2026-07-07
📊 statistics

Analytical Validation of Wistats v3.0 Through Comparison With SPSS and scikit-learn

Cette étude valide l'exactitude analytique de Wistats v3.0 en démontrant sa concordance totale avec les logiciels statistiques établis (SPSS) et les bibliothèques d'apprentissage automatique (scikit-learn) à travers divers scénarios analytiques, confirmant ainsi sa fiabilité en tant que plateforme centrée sur l'utilisateur pour un reporting scientifique automatisé et prêt pour la publication.

Levent Korkmaz2026-07-07