📊 Category

stat.ME

2312 articoli

La sezione "Stat — Me" raccoglie ricerche all'intersezione tra statistica applicata e machine learning, un terreno fertile dove i metodi matematici tradizionali incontrano l'intelligenza artificiale moderna. Qui esploriamo come gli algoritmi imparino dai dati e come le nuove tecniche statistiche rendano possibile una previsione più accurata in ambiti che spaziano dalla medicina alla finanza, rendendo accessibili scoperte che altrimenti rimarrebbero confinate in formule complesse.

Ogni nuovo preprint in questa categoria proviene direttamente da arXiv e viene selezionato e processato dal team di Gist.Science. Il nostro obiettivo è fornire a ciascuno due prospettive distinte: una sintesi in linguaggio semplice per capire l'essenza della scoperta e un riassunto tecnico dettagliato per chi desidera approfondire la metodologia. Di seguito trovate l'elenco aggiornato degli ultimi studi pubblicati in questo settore.

📊 statistics

Parameter Estimation for Time-Scaled Inhomogeneous Phase-Type Distributions from Discrete Observations

Questo articolo propone un framework di Stochastic Expectation-Maximization (SEM) computazionalmente efficiente che combina l'aumento dei dati tramite Markov-bridge con aggiornamenti in forma chiusa per stimare i parametri di distribuzioni phase-type disomogenee scalate nel tempo da osservazioni discrete e irregolarmente spaziate, affrontando efficacemente il problema dei dati mancanti senza richiedere l'ottimizzazione non lineare vincolata.

Fernando Baltazar-Larios, Alejandra Quintos2026-08-17
💻 computer science

FactorFlow: A Visual Analytics Workspace with Large Language Model-Assisted Interpretation for Factor Analysis

Questo articolo introduce FactorFlow, uno spazio di lavoro per l'analisi visiva che integra visualizzazioni interattive e modelli linguistici di grandi dimensioni per supportare i ricercatori nell'eseguire, interpretare e confrontare modelli di analisi fattoriale esplorativa in modo più efficiente ed efficace.

Justin Philip Tuazon, Joemari Olea, Richelle Ann Juayong2026-08-17
📊 statistics

Small Area Estimation under Spatial Regimes: Spatially Clustered Fay-Herriot Models for Agricultural Indicators

Questo articolo propone un framework di tipo Fay-Herriot spazialmente raggruppato (SC-FH) che stima simultaneamente i parametri di regressione specifici per ogni cluster e genera partizioni spazialmente coerenti tramite un approccio di verosimiglianza penalizzata, migliorando così la precisione della previsione per gli indicatori agricoli in regioni con relazioni spazialmente eterogenee rispetto ai modelli standard.

Paolo Maranzano (University of Milano-Bicocca, Department of Economics, Management and Statistics, Fondazione Eni Enrico (…)2026-08-17
📊 statistics

On the Brittleness of Maximum Likelihood Estimation for Gaussian Process Hyperparameter Optimization

Questo articolo investiga la fragilità della Massima Verosimiglianza (MLE) nell'addestramento dei Processi Gaussiani, dimostrando che quando le assunzioni sottostanti vengono violate, la MLE porta a una scarsa generalizzazione, e propone soluzioni pratiche, con basi teoriche, che superano i metodi esistenti in termini di accuratezza, quantificazione dell'incertezza e costo di inferenza per compiti ingegneristici a valle.

Tyler R. Johnson, Kian Ben-Jacob, Christopher P. Muller, Ramin Bostanabad2026-08-17
📈 economics

Sharp Minimax Theory for Randomized Experiments

Questo articolo stabilisce che, per esiti potenziali binari in esperimenti randomizzati su popolazioni finite, la strategia minimax-ottimale prevede la randomizzazione di Bernoulli accoppiata con uno stimatore di contrazione non lineare, raggiungendo un'espansione del rischio del secondo ordine di n−1−Cn−4/3n^{-1} - Cn^{-4/3} e dimostrando che procedure standard come la randomizzazione completa sono subottimali oltre il primo ordine.

Timothy Sudijono, Edgar Dobriban, Eric Tchetgen Tchetgen2026-08-17
📊 statistics

Coherence, charity and triangulation in statistical modelling

Questo articolo critica le distinzioni bayesiane tradizionali applicando la filosofia dell'interpretazione radicale di Donald Davidson per sostenere che la modellizzazione statistica debba essere vista come un sistema di credenze unificato governato dai vincoli di coerenza, carità e triangolazione, riformulando così pratiche come l'elicitazione del prior e il controllo del modello come sforzi per allineare le credenze con la comprensione umana condivisa e la realtà.

David J. T. Sumpter2026-08-17
📊 statistics

A Unified Bayesian Model for Voter Turnout Estimation: Combining Surveys, Aggregate Data, and Selection Correction

Questo articolo propone un quadro gerarchico bayesiano unificato che integra dati di indagine a livello individuale, margini di affluzione aggregati e conteggi censuari con correzione della selezione per migliorare l'accuratezza della stima dell'affluzione alle urne per sottogruppi demografici, dimostrando guadagni sostanziali rispetto ai benchmark nelle simulazioni e miglioramenti modesti in un'applicazione alle elezioni estoni del 2023.

Margus Niitsoo, Reimo Rebane, Tarmo Jüristo2026-08-17
📊 statistics

FastJM: An R Package for Efficient Implementation of Semiparametric Joint Models for Longitudinal and Survival Data

Questo articolo presenta FastJM, un pacchetto R efficiente che utilizza algoritmi di scansione lineare personalizzati all'interno di un framework di aspettativa-massimizzazione per fornire stima frequentista computazionalmente scalabile e strumenti di analisi completi per tre classi di modelli congiunti semiparametrici che gestiscono dati longitudinali e di sopravvivenza.

Shanpeng Li, Emily Ouyang, Ace Isabel Mejia-Sanchez, Xinping Cui, Gang Li2026-08-17