📊 statistica

Does Machine Learning Improve Depression Prediction Beyond Conventional Clinical Models? A Leakage-Controlled Multicohort Simulation Benchmark

In un benchmark di simulazione multicohorte con controllo della fuga di dati, gli algoritmi di apprendimento automatico non sono riusciti a superare costantemente i modelli di regressione logistica opportunamente specificati per la previsione della depressione, mentre la fuga di dati ha prodotto guadagni apparenti sostanzialmente più grandi e fuorvianti.

Arhama Faridi2026-10-05
📊 statistica

National assignment rate and time to assignment of the Spanish NIE (Número de Identidad de Extranjero) in 2026: a retrospective analysis of 159 certificates with projections for 2027

Questa analisi retrospettiva di 159 certificati NIE emessi tra aprile e settembre 2026 stima un tasso di assegnazione nazionale di circa 940.000 per l'anno e un tempo di elaborazione mediano di 10 giorni, rilevando al contempo significative limitazioni riguardanti la rappresentatività dei dati, i conflitti di finanziamento e l'assenza di approvazione etica.

Kay Ventouris2026-10-05
📊 statistica

The Interplay Between Skewness and Sample Size in the Convergence of Sampling Distribution to Normality

Questo studio quantifica l'impatto dell'asimmetria della popolazione sulla dimensione del campione necessaria affinché il Teorema del Limite Centrale garantisca la normalità, derivando un modello di regressione quadratica conservativo che rivela come le regole empiriche standard siano spesso inadeguate per dati asimmetrici, in particolare quando sono presenti discretezza o curtosi severa.

Amrit Subedi2026-10-05
📊 statistica

Improving the Spatial Identification of Early Years Providers in England: A Comparison of Practical UPRN Linkage Approaches

Questo studio valuta cinque approcci pratici di corrispondenza degli indirizzi per l'assegnazione dei codici UPRN (Unique Property Reference Number) alle anagrafi dei fornitori di servizi per la prima infanzia in Inghilterra, riscontrando che, sebbene la copertura del collegamento vari significativamente, l'inclusione sistematica degli UPRN nei registri ufficiali è essenziale per un'identificazione spaziale accurata e una pianificazione efficace dei servizi.

Joana Cruz, Bin Chi, Ed Lowther, Peat Allan, Pia Hardelid2026-10-05
📊 statistica

Regional utility and non-utility wildfire ignition models across space and time

Questo articolo presenta un quadro integrato di modellazione dell'innesco degli incendi boschivi che distingue tra fonti di utilità e non di utilità utilizzando processi puntuali di Poisson inomogenei separati, rivelando driver spaziali distinti per ciascuno al fine di consentire una valutazione del rischio e una mitigazione regionale più mirate in California.

Gabriela Calana Somoza, Neetesh Sharma, Jack W. Baker2026-10-01
📊 statistica

Spatial Patterns of Public Transportation Stops: A Spatial Statistical Analysis Using Hexagonal Tessellation in Culiacán, Sinaloa, Mexico

Questo studio impiega la tassellazione esagonale e la statistica spaziale per analizzare la distribuzione delle fermate del trasporto pubblico a Culiacán, Messico, rivelando un modello non casuale e gerarchico di nuclei centrali ad alta densità e settori periferici a bassa densità che evidenzia le inequità spaziali nell'accessibilità urbana.

Ana G. Zazueta Terrazas, Wenseslao Plata Rocha, Evangelina Ávila Aceves, Yazmín P. Íñiguez Ayón, Lidia Y. Pérez Aguilar (…)2026-10-01
📊 statistica

Deep Neural Networks for Mean-Field Stochastic Optimal Control with Applications to Mean Variance Optimization

Questo articolo propone tre algoritmi basati sul deep learning per risolvere numericamente problemi di controllo ottimo stocastico a campo medio ad alta dimensionalità derivati tramite il principio del massimo stocastico, dimostrandone l'accuratezza e l'efficienza attraverso applicazioni alla selezione di portafogli media-varianza.

Hamid OULGHAZI, Mustapha Hamchichi, Sidi Mohamed Douiri2026-10-01
📊 statistica

Auditing Internal Consistency in Webometrics University Rankings: A Bidirectional, Historical, and Peer-Calibrated Approach

Questo studio introduce un framework di audit bidirezionale, storico e calibrato tra pari che identifica e prioritizza con successo i risultati internamente inconsistenti nelle classifiche universitarie Webometrics di luglio 2026, distinguendo le anomalie reali dal rumore senza inferire la qualità istituzionale o la manipolazione.

Tarek Barhoum, Mina Ibrahim2026-10-01