📊 सांख्यिकी

Hierarchical Bayesian Experimental Estimation of Incremental Local Advertising Effects with Secure Aggregation and Differential Privacy

यह शोध पत्र एक गोपनीयता-संरक्षण कम्प्यूटेशनल ढांचे को प्रस्तुत करता है जो विरल रूपांतरण डेटा (sparse conversion data) और सख्त गोपनीयता बाधाओं के बावजूद, सटीक रूप से वृद्धिशील स्थानीय विज्ञापन प्रभावों का अनुमान लगाने और बजट को अनुकूलित करने के लिए युग्मित-क्षेत्र यादृच्छिक प्रयोगों (paired-area randomized experiments), सुरक्षित एकत्रीकरण (secure aggregation), और पदानुक्रमित बेयसियन अनुमान (hierarchical Bayesian inference) के साथ विभेदक गोपनीयता (differential privacy) को जोड़ता है।

Que Yang, Yukun Du, Yuang Hu2026-09-23
📊 सांख्यिकी

Statistical Inference for the Entropy of the Transmuted Weibull Distribution under Adaptive Progressive Type-II Censored Samples

यह शोध पत्र ट्रांसम्यूटेड वेइबुल वितरण के शैनन एंट्रॉपी सूत्र में एक चिह्न त्रुटि को सुधारता है और एडेप्टिव प्रोग्रेसिव टाइप-II सेंसर वाले नमूनों के तहत इसके मापदंडों और एंट्रॉपी के अनुमान के लिए व्यापक फ्रीक्वेंटिस्ट और बायेसियन अनुमान विधियों को विकसित करता है, जो सिमुलेशन और वास्तविक डेटा के माध्यम से यह प्रदर्शित करता है कि बायेसियन दृष्टिकोण आम तौर पर अधिकतम संभावना अनुमान (मैक्सिमम लाइकलीहुड एस्टीमेशन) से बेहतर प्रदर्शन करता है, विशेष रूप से छोटे या अत्यधिक सेंसर वाले डेटासेट के लिए।

Shixiao Xiao, Xinyu Wu, Yanqiu Zeng, Xue Hu, Chengxi Hong2026-09-22
📊 सांख्यिकी

Which disadvantaged students beat the odds in STEM? A design-consistent, fairness-audited machine learning study of 143,573 adolescents in 79 PISA 2022 education systems

यह अध्ययन 79 शिक्षा प्रणालियों के 143,573 वंचित किशोरों के PISA 2022 डेटा पर एक डिज़ाइन-संगत, निष्पक्षता-परीक्षित मशीन लर्निंग दृष्टिकोण का उपयोग करता है ताकि यह पहचान की जा सके कि जबकि गणितीय आत्म-प्रभावकारिता (सेल्फ-एफिकेसी) STEM लचीलेपन का सबसे मजबूत सार्वभौमिक भविष्यवक्ता है, भविष्य कहने वाले मॉडल महत्वपूर्ण परिवहन क्षमता सीमाओं और लड़कियों एवं ग्रामीण छात्रों के प्रति व्यवस्थित पूर्वाग्रह प्रदर्शित करते हैं, जो संदर्भ-विशिष्ट और न्यायसंगत स्क्रीनिंग रणनीतियों की आवश्यकता को रेखांकित करते हैं।

Omar Allohibi2026-09-22
📊 सांख्यिकी

Methodology Using Gröbner basis for Generalizing Confounding Relations in Linear Combination Models

यह शोध पत्र एक ऐसी कार्यप्रणाली प्रस्तावित करता है जो चिकित्सा सांख्यिकी में रैखिक संयोजन मॉडलों (linear combination models) पर ग्रोबनर बेसिस (Gröbner basis) सिद्धांत को लागू करती है ताकि भ्रमित करने वाले संबंधों (confounding relations) को व्यवस्थित रूप से पहचानने और सामान्य बनाने में सक्षम हो सके, जिससे महामारी विज्ञान के अध्ययनों में कारण प्रभाव अनुमान (causal effect estimation) की सटीकता को बढ़ाया जा सके।

Yuichi Nishioka2026-09-22
📊 सांख्यिकी

Dynamics, Optimal Control, and Spillover Risk of the 2026 Bundibugyo Ebola Outbreak in the Democratic Republic of the Congo

यह अध्ययन 2026 के डीआरसी (DRC) बुन्दिबुग्योो इबोला प्रकोप का विश्लेषण करने के लिए गतिशीलता डेटा के साथ एक SEIDR मॉडल और अनुकूल नियंत्रण सिद्धांत (optimal control theory) का उपयोग करता है, जिसमें 1.83 का मूल प्रजनन संख्या (basic reproduction number) पहचाना गया है, यह निर्धारित किया गया है कि सुरक्षात्मक व्यवहारों के प्रति 58.12% सार्वजनिक अनुपालन संक्रमण को रोक सकता है, और यह प्रदर्शित किया गया है कि एक समय-परिवर्तनीय नियंत्रण रणनीति महामारी को सात महीने तक कम कर सकती है और पड़ोसी अफ्रीकी देशों, फ्रांस और कनाडा में क्रॉस-बॉर्डर स्पिलओवर जोखिमों को महत्वपूर्ण रूप से कम कर सकती है।

Tianmu Chen, Jiahui Li, Shengjie Lai, Yanhua Su, Qiuping Chen, Jia Rui, Zeyu Zhao2026-09-22
📊 सांख्यिकी

Marginal Mean Weighting Through Stratification for Time-Varying Multivalued Treatments: A Monte Carlo Comparison with Inverse-Probability-Weighted Marginal Structural Models

यह मोंटे कार्लो अध्ययन प्रदर्शित करता है कि स्ट्रैटिफिकेशन के माध्यम से मार्जिनल मीन वेटिंग (MMWS), विशेष रूप से मॉडल मिसस्पेसिफिकेशन के तहत, रूट मीन स्क्वेयर्ड एरर को कम करके, समय-परिवर्तनीय बहु-मूल्य वाले उपचारों के लिए इनवर्स प्रोबेबिलिटी वेटिंग (IPTW) की तुलना में आम तौर पर एक अधिक स्थिर और सुदृढ़ विकल्प प्रदान करता है, हालांकि यह सकारात्मकता धारणाओं के उल्लंघन के मामले में अभी भी बायस और कवरेज के साथ संघर्ष कर सकता है।

Ariel Linden2026-09-22
📊 सांख्यिकी

A Dynamical Approach to Extracting Language Style Patterns using Recurrence Quantification

यह शोधपत्र रिकरेंस-आधारित लैंग्वेज स्टाइल मैचिंग (rbLSM) प्रस्तुत करता है, जो एक नवीन ढांचा है जो पारंपरिक वैश्विक अनुमानों की सीमाओं को दूर करने के लिए रिकरेंस क्वांटिफिकेशन एनालिसिस का उपयोग करता है ताकि बातचीत में टर्न-लेवल भाषाई सिंक्रोनी पैटर्न को गतिशील रूप से कैप्चर किया जा सके और सकारात्मक भावनात्मक परिणामों की भविष्यवाणी की जा सके।

Aaron Necaise, Jingjing Han, Mary Jean Amon2026-09-22
📊 सांख्यिकी

Food-Assistance Modality, Geographic Patterning, and Child Nutrition in Rohingya Camps: A Reanalysis of Public Replication Data

रोहिंग्या शिविरों के सार्वजनिक डेटा का यह पुनर्मूल्यांकन प्रकट करता है कि जबकि खाद्य-सहायता की पद्धतियां भूगोल और संस्थागत कारकों द्वारा दृढ़ता से निर्धारित होती हैं, जारी किए गए डेटासेट में कार्यक्रम की प्रभावशीलता के बारे में कारण संबंधी दावों (causal claims) का समर्थन करने के लिए आवश्यक डिजाइन और आवंटन विवरणों का अभाव है, जो इसकी उपयोगिता को केवल वर्णनात्मक पुनर्मूल्यांकन तक सीमित करता है।

Nerob Ahmed2026-09-22
📊 सांख्यिकी

Data Driven Options Pricing using ANN: Evidence from the CRR Model

यह शोध पत्र प्रदर्शित करता है कि कॉक्स-रोस-रुबिनस्टीन मॉडल डेटा पर प्रशिक्षित कृत्रिम तंत्रिका नेटवर्क (आर्टिफिशियल न्यूरल नेटवर्क), विभिन्न प्रकार के विकल्पों (ऑप्शंस) की कीमत निर्धारित करने और ग्रीक्स की गणना करने के लिए एक तेज़, सटीक और बहुमुखी सरोगेट के रूप में कार्य करते हैं, जो वास्तविक समय के जोखिम प्रबंधन और निहित अस्थिरता सतह (इम्प्लाइड वोलेटिलिटी सरफेस) के निर्माण के लिए कम्प्यूटेशनल लागत को काफी कम कर देता है।

Arun Kumar, Pawan Kumar, Jitendra Kumar2026-09-21
📊 सांख्यिकी

Clustering-Informed Inverse Probability Weighting Strategies for Causal Effect Estimation in Observational Studies

यह शोध पत्र कारण प्रभाव अनुमान (causal effect estimation) के लिए मानक इन्वर्स प्रोबेबिलिटी वेटिंग (inverse probability weighting) का दो क्लस्टरिंग-सूचित रणनीतियों (clustering-informed strategies) के विरुद्ध मूल्यांकन और तुलना करता है, यह प्रदर्शित करते हुए कि हालांकि दोनों क्लस्टर-आधारित दृष्टिकोण छूटे हुए सह-चर मिसस्पेसिफिकेशन (omitted-covariate misspecification) के प्रति मजबूती में सुधार करते हैं, लेकिन पूर्वाग्रह (bias), माध्य वर्ग त्रुटि (mean squared error) और कवरेज के संदर्भ में उनका सापेक्ष प्रदर्शन अंतर्निहित उपसमूह संरचना और नमूना आकार पर निर्भर करता है।

Ruohui Chen, Scott Zuo, Whitney Stevens, Seth Pollack, Wenna Xi, Lucia Petito, Lihui Zhao, Hui Zhao2026-09-21