📊 Category

stat

110 articles

📊 statistics

Covariance-Aware Compromise Allocation in Multivariate Stratified sampling under Nonlinear Constraints

Cette étude propose un cadre d'allocation de compromis sensible à la covariance pour l'échantillonnage stratifié multivarié sous des contraintes non linéaires de budget et de temps, démontrant par une analyse numérique que l'incorporation des interactions de covariance produit des allocations d'échantillons optimales et une précision accrue par rapport aux méthodes traditionnelles.

Shuaibu Idris Adam, Quazzafi Rabbani2026-07-09
📊 statistics

Markov-Switching Regime Dynamics of Maternal Mortality in Kenya: A State-Dependent Analysis of Health System Transitions with Bootstrap Uncertainty Quantification (2000-2023

Cette étude emploie un modèle de commutation de régime de Markov à deux états avec une quantification de l'incertitude par bootstrap sur les données de mortalité maternelle du Kenya pour la période 2000–2023 afin de révéler des régimes de mortalité distincts, élevés et faibles, pilotés par des changements structurels du système de santé, démontrant ainsi que la trajectoire de la santé maternelle du pays est caractérisée par des changements de régime persistants plutôt que par une tendance linéaire continue.

ROBERT NYABWANGA2026-07-09
📊 statistics

A Dynamic Huber-Weighted Adaptive EWMA Max-M Statistic for Simultaneous Multivariate Process Monitoring

Cette étude propose une statistique Max-M EWMA adaptative à pondération de Huber dynamique qui surpasse les modèles traditionnels pour détecter simultanément les dérives de processus multivariées mineures et majeures en ajustant dynamiquement les paramètres de lissage en fonction de l'ampleur de la déviation, comme cela est validé par des simulations et des données industrielles de clinker de ciment.

Muhammad Ahsan, Latifatuz Zulfa, Muhammad Mashuri, Syafi’ Bariq’ Syihabuddin Hidayatullah, Muhammad Hisyam Lee2026-07-09
📊 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