📊 Category

stat

441 articles

📊 statistiques

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

Cet article démontre que la sélection de l'analyse par imputation multiple présentant l'erreur type la plus faible invalide systématiquement l'inférence statistique en écartant la variance entre imputations essentielle et en réduisant artificiellement la variance intra-imputation, ce qui conduit à des intervalles de confiance sévèrement sous-couverts et à des estimations biaisées, alors que les règles de regroupement de Rubin préservent correctement le calibrage.

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

Collaborative Mass Matrix Adaptation for Multi-Chain Hamiltonian Monte Carlo

L'article propose le Collaborative NUTS (C-NUTS), une méthode qui regroupe les informations de gradient et de position à travers plusieurs chaînes parallèles pendant la phase de chauffe afin de construire une estimation plus stable de la matrice de masse, améliorant ainsi considérablement l'efficacité de l'échantillonnage et la taille de l'échantillon effectif par rapport à l'adaptation standard à chaîne unique, particulièrement dans des contextes de dimension modérée.

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

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

En combinant un modèle mathématique de renforcement mutuel avec une analyse empirique de 40 000 chercheurs japonais, cette étude démontre que le fait de recevoir un financement de recherche en début de carrière crée un écart de performance statistiquement significatif et croissant sur plusieurs décennies, confirmant que l'« effet Matthieu » entraîne une stratification à long terme dans les carrières scientifiques, même en contrôlant le talent initial.

Yuhei Yamaguchi2026-10-21
📊 statistiques

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

Cet article introduit le nouvel ensemble neutrosophique probabiliste complexe (CPN) afin de mieux capturer les niveaux d'acceptation des opinions d'experts dans des scénarios réels incertains, propose de nouveaux opérateurs d'agrégation géométrique et de moyenne pondérée, et valide un cadre de prise de décision multicritère correspondant à travers une étude de cas sur la sélection d'une voiture et une analyse comparative.

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

Computational Growth Modeling: Assessing Longitudinal Change with Joint Models

Cet article introduit et valide la « modélisation de la croissance computationnelle », une approche de modélisation conjointe qui intègre des modèles computationnels hiérarchiques à des données longitudinales afin d'estimer plus précisément les changements individuels dans les processus comportementaux au fil du temps par rapport aux méthodes traditionnelles à deux étapes, offrant ainsi des perspectives améliorées sur l'étiologie de la psychopathologie.

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

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

Cette étude valide l'exactitude des estimations de population modélisées et indépendantes des recensements en les comparant aux données du recensement de 2022 de la Zambie, constatant de fortes corrélations aux niveaux national et subnational tout en identifiant que l'affinement de la stratification des établissements résidentiels est crucial pour réduire la surestimation systématique.

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

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

Cet article présente VISTA-BME, une méthode évolutive qui combine l'inférence graphique de Vecchia avec la propagation de l'espérance gaussienne et de mélanges pour surmonter les limitations computationnelles de l'entropie maximale bayésienne conventionnelle, permettant un traitement efficace de grands ensembles de données environnementales comportant à la fois des observations exactes et souples tout en maintenant une grande précision et en réduisant considérablement les coûts de mémoire et de temps.

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

Source information limits lower-risk claims from synthetic validation cohorts

Cette étude démontre que si l'élargissement des cohortes de validation synthétiques peut améliorer la précision conditionnelle, il augmente souvent les taux de certification erronée pour les réclamations à faible risque, à moins qu'un réajustement de la source ne soit appliqué pour atténuer les erreurs excessives, bien que de telles corrections entraînent un coût de puissance et n'éliminent pas entièrement les biais en cas de spécification erronée fixe.

Tianyi Yu2026-10-20
📊 statistiques

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

Cet article introduit un cadre de calcul bayésien exact pour les problèmes inverses qui utilise une construction de Bernstein-Poisson pour convertir des événements de Bernoulli directs en pièces de vraisemblance, permettant un échantillonnage de l'a posteriori indépendant du modèle avec des bornes de complexité nettes et une réalisation en continuum pour les problèmes elliptiques à valeurs de fonctions.

Zhiliang Deng, Xiaomei Yang2026-10-20