📊 सांख्यिकी

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

यह शोध पत्र प्रदर्शित करता है कि सबसे कम मानक त्रुटि (standard error) वाले मल्टीपल इम्प्यूटेड विश्लेषण का चयन करना अनिवार्य रूप से आवश्यक 'बिटवीन-इम्प्यूटेशन वेरिएन्स' (between-imputation variance) को त्यागकर और कृत्रिम रूप से 'विदिन-इम्प्यूटेशन वेरिएन्स' (within-imputation variance) को कम करके सांख्यिकीय अनुमान को व्यवस्थित रूप से अमान्य कर देता है, जिससे आत्मविश्वास अंतराल (confidence intervals) गंभीर रूप से कम-कवर्ड और अनुमान पक्षपाती हो जाते हैं, जबकि रुबिन के पूलिंग नियम सही ढंग से अंशांकन (calibration) को संरक्षित करते हैं।

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

Manual double entry of study data: potential to avoid 4 errors per 1000 entries

6,730 मैन्युअल रूप से डबल-एंटर्ड प्रश्नावली का यह अध्ययन प्रकट करता है कि यह प्रक्रिया प्रति 1,000 प्रविष्टियों में लगभग चार त्रुटियों को रोकती है, जिसमें जटिल प्रश्नों और कम अनुभवी डेटा एंट्री क्लर्कों के बीच त्रुटि दर काफी अधिक है।

Kastytis Šmigelskas, Monika Žemaitaitytė, Jūratė Koreivaitė, Vladas Golambiauskas2026-10-21
📊 सांख्यिकी

Collaborative Mass Matrix Adaptation for Multi-Chain Hamiltonian Monte Carlo

यह शोध पत्र कोलबोरेटिव NUTS (C-NUTS) का प्रस्ताव करता है, जो वॉर्मअप के दौरान कई समानांतर चेन्स (parallel chains) में ग्रेडिएंट और स्थिति संबंधी जानकारी को एकत्रित करने के लिए एक विधि है ताकि एक अधिक स्थिर मास मैट्रिक्स अनुमान (mass matrix estimate) का निर्माण किया जा सके, जो मानक एकल-चेन अनुकूलन (single-chain adaptation) की तुलना में, विशेष रूप से मध्यम-आयामी सेटिंग्स में, सैंपलिंग दक्षता और प्रभावी नमूना आकार (effective sample size) में महत्वपूर्ण सुधार करता है।

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

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

पारस्परिक सुदृढ़ीकरण के एक गणितीय मॉडल को 40,000 जापानी शोधकर्ताओं के अनुभवजन्य विश्लेषण के साथ जोड़ते हुए, यह अध्ययन प्रदर्शित करता है कि करियर के शुरुआती चरण में अनुसंधान वित्तपोषण प्राप्त करने से दशकों के दौरान एक सांख्यिकीय रूप से महत्वपूर्ण और विस्तृत होता प्रदर्शन अंतराल उत्पन्न होता है, जो इस बात की पुष्टि करता है कि "मैथ्यू प्रभाव" (Matthew effect) वैज्ञानिक करियर में दीर्घकालिक स्तरीकरण को संचालित करता है, भले ही प्रारंभिक प्रतिभा को नियंत्रित किया गया हो।

Yuhei Yamaguchi2026-10-21
📊 सांख्यिकी

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

यह शोध पत्र अनिश्चित वास्तविक जीवन के परिदृश्यों में विशेषज्ञ राय के स्वीकृति स्तरों को बेहतर ढंग से पकड़ने के लिए नवीन कॉम्प्लेक्स प्रोबेबिलिस्टिक न्यूट्रोसॉफ़िक (CPN) सेट प्रस्तुत करता है, नए भारित औसत और ज्यामितीय एकत्रीकरण ऑपरेटरों का प्रस्ताव देता है, और कार चयन के केस स्टडी और तुलनात्मक विश्लेषण के माध्यम से एक संगत बहु-मानदंड निर्णय लेने वाले ढांचे को मान्य करता है।

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

Computational Growth Modeling: Assessing Longitudinal Change with Joint Models

यह शोध पत्र "कंप्यूटेशनल ग्रोथ मॉडलिंग" को प्रस्तुत और मान्य करता है, जो एक संयुक्त मॉडलिंग दृष्टिकोण है जो पारंपरिक दो-चरणीय विधियों की तुलना में व्यवहार संबंधी प्रक्रियाओं में व्यक्तिगत परिवर्तनों का अधिक सटीक अनुमान लगाने के लिए अनुदैर्ध्य डेटा (longitudinal data) के साथ पदानुक्रमित कंप्यूटेशनल मॉडलों को एकीकृत करता है, जिससे मनोविकृति (psychopathology) के हेतु विज्ञान (etiology) में बेहतर अंतर्दृष्टि प्राप्त होती है।

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

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

यह अध्ययन ज़ाम्बिया के 2022 की जनगणना के आंकड़ों के साथ तुलना करके जनगणना-स्वतंत्र मॉडल आबादी अनुमानों की सटीकता को प्रमाणित करता है, जिसमें राष्ट्रीय और उप-राष्ट्रीय स्तरों पर मजबूत सहसंबंध पाए गए हैं, जबकि यह भी पहचाना गया है कि व्यवस्थित अति-आकलन को कम करने के लिए आवासीय बस्ती स्तरीकरण को परिष्कृत करना अत्यंत महत्वपूर्ण है।

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

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

यह शोध पत्र VISTA-BME को प्रस्तुत करता है, जो एक स्केलेबल विधि है जो पारंपरिक बायेसियन मैक्सिमम एंट्रॉपी की कम्प्यूटेशनल सीमाओं को दूर करने के लिए वेचिया ग्राफिकल इन्फरेंस (Vecchia graphical inference) को गॉसियन एक्सपेक्टेशन और मिक्सचर प्रोपेगेशन के साथ जोड़ती है, जिससे सटीक और सॉफ्ट दोनों प्रकार के अवलोकनों वाले बड़े पर्यावरणीय डेटासेट को कुशलतापूर्वक संसाधित करने में सक्षम बनाया जा सके और साथ ही उच्च सटीकता बनाए रखते हुए मेमोरी और समय की लागत को काफी कम किया जा सके।

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

Source information limits lower-risk claims from synthetic validation cohorts

यह अध्ययन प्रदर्शित करता है कि जबकि सिंथेटिक सत्यापन समूहों (synthetic validation cohorts) को बड़ा करने से सशर्त परिशुद्धता (conditional precision) में सुधार हो सकता है, यह अक्सर कम जोखिम वाले दावों के लिए गलत प्रमाणन दरों (false certification rates) को बढ़ाता है जब तक कि अतिरिक्त त्रुटियों को कम करने के लिए स्रोत रिफिटिंग (source refitting) लागू न की जाए, हालांकि ऐसे सुधारों के साथ एक शक्ति लागत (power cost) आती है और वे स्थिर मिसस्पेसिफिकेशन (fixed misspecification) के तहत पूर्वाग्रहों को पूरी तरह से समाप्त नहीं करते हैं।

Tianyi Yu2026-10-20
📊 सांख्यिकी

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

यह शोध पत्र इनवर्स समस्याओं (inverse problems) के लिए एक सटीक बेयसियन कम्प्यूटेशनल ढांचे को प्रस्तुत करता है जो बर्नौली फॉरवर्ड घटनाओं (Bernoulli forward events) को लाइकलीहुड कॉइन्स (likelihood coins) में परिवर्तित करने के लिए बर्नस्टीन-पोइसन निर्माण का उपयोग करता है, जिससे तीक्ष्ण जटिलता सीमाओं (sharp complexity bounds) और फलन-मान वाले एलिप्टिक समस्याओं (function-valued elliptic problems) के लिए एक निरंतरता यथार्थ (continuum realization) के साथ मॉडल-स्वतंत्र पश्च वितरण सैंपलिंग (posterior sampling) सक्षम होती है।

Zhiliang Deng, Xiaomei Yang2026-10-20