110 articoli
Questo studio propone un framework di allocazione di compromesso consapevole della covarianza per il campionamento stratificato multivariato sotto vincoli non lineari di budget e tempo, dimostrando attraverso l'analisi numerica che l'incorporazione delle interazioni di covarianza produce allocazioni di campione ottimali e una precisione migliorata rispetto ai metodi tradizionali.
Questo studio impiega un modello a commutazione di Markov a due stati con quantificazione dell'incertezza tramite bootstrap sui dati sulla mortalità materna del Kenya per il periodo 2000–2023 per rivelare distinti regimi di mortalità alta e bassa guidati da cambiamenti strutturali del sistema sanitario, dimostrando che la traiettoria della salute materna del paese è caratterizzata da cambiamenti di regime persistenti piuttosto che da un trend lineare continuo.
Questo studio propone una statistica Max-M EWMA adattiva con pesatura Huber dinamica che supera i modelli tradizionali nel rilevare simultaneamente scostamenti del processo multivariato sia minori che maggiori, regolando dinamicamente i parametri di smoothing in base all'entità della deviazione, come validato attraverso simulazioni e dati industriali di clinker di cemento.
Questo articolo propone un nuovo framework di calibrazione basato su indagini potenziate da variabili ausiliarie per l'inferenza sui rifiuti che evita il degrado delle prestazioni dei metodi di imputazione tradizionali tramite la riponderazione dei richiedenti accettati per farli corrispondere ai totali della popolazione, dimostrando così di essere consistente e asintoticamente normale e migliorando significativamente la calibrazione del rischio della popolazione e mantenendo il potere discriminante in presenza di misspecificazione del modello.
Questo studio propone e valida un framework di apprendimento statistico interpretabile che integra la regressione penalizzata, la selezione di stabilità tramite bootstrap e l'apprendimento automatico spiegabile basato su SHAP per prevedere accuratamente lo stress degli studenti, identificando predittori chiave quali la pressione degli esami e le ore di sonno garantendo al contempo la trasparenza e la riproducibilità del modello.
Questo studio introduce il framework Socio-Evolutionary Algorithm (SEA), che modella l'equilibrio tra fiducia, imitazione ed esplorazione nelle decisioni adattive ripetute, e ne valida le prestazioni competitive e l'interpretabilità attraverso dieci coorti eterogenee in un compito di allocazione del debito.
Questo articolo propone il Coauthorship Disparity Index (CDI), una nuova metrica progettata per quantificare lo squilibrio tra l'impatto scientifico di un autore e il numero dei suoi coautori su articoli con h-core, aiutando così a identificare casi di abuso di coautoria come la gift o la guest authorship.
Questo studio introduce un framework di geometria della dipendenza che combina le costruzioni di coppie copula con i modelli di Markov nascosti per analizzare e simulare i complessi pattern di dipendenza spaziale e temporale dei campi di precipitazione utilizzando dati multi-sito provenienti dalla Germania meridionale.
Il documento propone l'algoritmo windowEM, una variante stocastica del metodo EM che suddivide i dati in blocchi disposti su un cerchio per generare una popolazione di stime tramite aggiornamenti sequenziali e smoothing a finestra mobile, offrendo così garanzie di convergenza e potenziale prevenzione dell'over-fitting.
Questo articolo introduce un quadro quantitativo basato su simulazioni che sostituisce le regole informali sulla dimensione del campione con regioni di confidenza calibrate empiricamente nel piano asimmetria–dimensione del campione per determinare rigorosamente l'applicabilità del Teorema del Limite Centrale sia per set di dati continui che discreti.