📊 Category

stat

441 articoli

📊 statistica

Approximate Sampling for Randomization Tests: A Total-Variation Certification Framework

Questo articolo introduce un framework di certificazione della variazione totale per valutare i campionatori approssimati per la randomizzazione a cluster con vincoli di covariata, dimostrando su un benchmark fisso e su estensioni sintetiche che le attuali approssimazioni quantistiche e classiche spesso deviano significativamente dai target esatti, gonfiando così i tassi di errore di tipo I e alterando i p-value nei test di randomizzazione.

Mohamed Faisal Sindhi, Hammaz Buksh2026-10-13
📊 statistica

Population-Aware Bayesian Fairness in AI under Complex Survey Designs

Questo articolo propone un framework bayesiano di equità consapevole della popolazione che integra la ponderazione di campionamento complesso, il partial pooling gerarchico e la calibrazione dell'incertezza per stimare e certificare accuratamente le disparità di gruppo nei sistemi predittivi, dimostrando attraverso simulazioni e dati del mondo reale che ignorare il disegno del sondaggio porta a conclusioni sull'equità distorte.

Debashis Chatterjee2026-10-13
📊 statistica

Adaptive Functional Principal Component Forecasting of Cross-Sectional ETF Return Distributions in Wasserstein Space

Questo articolo propone un framework di previsione basato su componenti principali funzionali adattivi nello spazio di Wasserstein per le distribuzioni dei rendimenti cross-sectional degli ETF, dimostrando che la combinazione di un forte ancoraggio autoregressivo FPCA con la correzione dei residui basata su quantili selezionati o con la dinamica dei punteggi globali produce miglioramenti modesti ma stabili rispetto alle alternative standard e instabili.

Çağlar Sözen, Mervenur SÖZEN2026-10-13
📊 statistica

Adaptive Mortality Drift for Short-Horizon Forecasting of Under-Five Mortality in West Africa: Model Development, Monte Carlo Validation, Robustness, and a 16-Country Application

Questo articolo introduce e valida un modello di Adaptive Mortality Drift (AMD) che supera vari benchmark statistici e di machine learning nella previsione dei trend di mortalità infantile a breve termine in 16 paesi dell'Africa occidentale, stimando dinamicamente la persistenza della mortalità e dimostrando robustezza attraverso simulazioni Monte Carlo.

Mumini Idowu Adarabioyo2026-10-12
📊 statistica

Stress-testing post-market medical-device reporting signals: an empirical study of temporal, entity-label and comparator robustness in FDA MAUDE

Questo studio empirico dei dati MAUDE della FDA dimostra che i segnali di sproporzione positiva su ampi periodi sono spesso metodologicamente instabili, rendendo necessari stress test temporali, relativi all'entità-etichetta e al comparatore per distinguere i modelli di segnalazione robusti dagli artefatti prima di trarre conclusioni sulla sicurezza dei dispositivi.

Donglin Xu, Zhen Yu, Ang Li, Zengkun Liu, Qiduo Chen, Jing Liu, Hourong Sun2026-10-12
📊 statistica

Disease spread in compartmental spaces: Markov and semi-Markov population models

Questo articolo propone un framework stocastico che utilizza modelli di popolazione di Markov chiusi e semi-Markovian aperti per analizzare la trasmissione di malattie infettive in spazi compartimentali interconnessi, tenendo conto della struttura spaziale, della mobilità individuale e delle distribuzioni generali dei tempi di residenza.

Brenda Ivette García-Maya, Yehtli Morales-Huerta, Raúl Salgado-Garcia2026-10-12
📊 statistica

When Better Writing Changes the Order: A Monte Carlo Study of Rank Reversals and Selection Instability in AI-Assisted L2 Writing Assessment

Questo studio Monte Carlo dimostra che, sebbene i miglioramenti della scrittura assistita dall'IA non preservino automaticamente le classifiche di competenza relativa degli apprendenti, i conseguenti ribaltamenti di rango e l'instabilità della selezione variano significativamente a seconda del meccanismo di assistenza, con i guadagni mirati alle debolezze che causano sostanziali errori di ordinamento e declini dell'accuratezza della selezione che non possono essere pienamente corretti dalla sola calibrazione del punteggio del prodotto.

Tan Nguyen Huynh Si2026-10-12
📊 statistica

The Statistical Price of Unknown Geometry in In-Context Regression

Questo articolo stabilisce che nella regressione in-context gaussiana con un'osservazione etichettata, il costo statistico di stimare la geometria del compito ignota è distinto da e strettamente positivo rispetto al costo di selezionare un'azione geometrica senza feedback di etichetta, rivelando che il feedback di etichetta fornisce un vantaggio unico nel ridurre il regret di approssimazione bayesiana anche quando il rischio totale diminuisce con l'aumentare dei dati di riferimento.

Jufeng Li, Wenjie Li2026-10-12