📊 Category

stat

110 articles

📊 statistics

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

En utilisant les données des enquêtes Health Information National Trends Survey de 2022 et 2024, cette étude révèle que la confiance envers les agences de santé gouvernementales est le prédicteur le plus fort de la perception du changement climatique comme un risque pour la santé, tandis que la confiance envers les scientifiques présente une association plus faible et décroissante au fil du temps et que la confiance envers les médecins n'est pas un facteur significatif.

Miyeon Kim2026-07-01
📊 statistics

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

Cette étude empirique valide un modèle mathématique démontrant que le taux d'adaptation cognitive des apprenants adultes dans les domaines techniques est principalement piloté par le ratio entre l'humilité intellectuelle et le bruit de l'ego, plutôt que par le potentiel intellectuel initial, la minimisation du bruit de l'ego accélérant significativement le temps nécessaire pour atteindre un plateau de solutions correctes.

Kibriyo Mukhamadieva2026-07-01
📊 statistics

Scalable Random Survival Forests via Risk Set Sampling

Cet article propose une méthode de forêts de survie aléatoires (Random Survival Forests) évolutive qui utilise l'échantillonnage de l'ensemble de risque pour réduire considérablement le temps d'entraînement tout en maintenant ou en améliorant même la performance prédictive, une approche désormais implémentée dans le package R largement utilisé `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

Cet article introduit une nouvelle famille flexible de distributions de type Pareto générée via l'opérateur d'intégrale fractionnaire de Riemann–Liouville à droite, qui offre un mécanisme théoriquement fondé pour réguler le comportement de la queue et démontre une performance supérieure dans la modélisation de données réelles à queue épaisse par rapport aux modèles existants.

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

Cette étude évalue les stratégies d'ajustement par score de propension à grande échelle à travers quatre bases de données nationales de soins de santé et conclut que la pondération par l'inverse de la probabilité de traitement avec l'élagage de Crump et l'appariement 1:1 offre généralement la meilleure performance, bien qu'aucune stratégie ne soit universellement supérieure, ce qui nécessite l'utilisation de diagnostics et de calibration empirique pour guider la sélection.

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

Cette étude propose un cadre probabiliste sensible à l'incertitude qui utilise la régression par processus gaussiens pour reconstruire efficacement les données éparses de surveillance de la radiation par drones issues de la zone d'exclusion de Tchernobyl, surpassant les méthodes d'interpolation traditionnelles en termes de précision tout en fournissant des estimations d'incertitude spatiale essentielles pour une prise de décision environnementale éclairée.

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

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

Cet article introduit une classe d'estimateurs M régularisés et robustes pour la régression de haute dimension qui atteint des taux de convergence optimaux et une cohérence de sélection de variables sous des conditions de moments minimales ( α>1\alpha > 1 fini), surpassant les méthodes existantes tant dans les simulations que dans les applications génomiques réelles lorsqu'on traite des erreurs à queues lourdes, asymétriques ou contaminées.

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

Sparse Convex Biclustering

L'article propose le SpaCoBi (Sparse Convex Biclustering), une nouvelle méthode d'optimisation convexe dotée d'un critère de réglage basé sur la stabilité qui traite efficacement les défis liés au bruit et à la complexité computationnelle dans les ensembles de données de haute dimension, démontrant une précision et une robustesse supérieures par rapport aux techniques de biclustering de pointe existantes.

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

Cet article démontre que l'inclusion de notations de qualité composites en tant que covariables dans les modèles de régression introduit un biais de circularité qui atténue systématiquement les effets estimés des prédicteurs structurels, un danger méthodologique confirmé par des données de réadmission hospitalière du CMS et des simulations de Monte Carlo.

Ali Akram2026-06-30