📊 statistics

An Interpretable Statistical Learning Framework for Binary Classification: An Application to Student Stress Prediction

本研究は、ペナルティ付き回帰、ブートストラップ安定選択、およびSHAPに基づく説明可能な機械学習を統合し、試験のプレッシャーや睡眠時間といった主要な予測因子を特定しながら、モデルの透明性と再現性を確保しつつ、学生のストレスを正確に予測する解釈可能な統計的学習フレームワークを提案し、検証するものである。

Francis Okyere2026-07-08
📊 statistics

An index to quantify the disparity between coauthorship and individual’s scientific impact

本論文は、著者の科学的インパクトとhコア論文における共著者の数との間の不均衡を定量化するために設計された新しい指標である、共著格差指数(Coauthorship Disparity Index: CDI)を提案し、それによってギフトオーサーシップやゲストオーサーシップといった共著の乱用事例の特定を支援するものである。

Shaibu Mohammed2026-07-08
📊 statistics

Beyond Rules of Thumb: A Quantitative Confidence Framework for Central Limit Theorem Applicability

本論文は、連続および離散データセットの両方に対して中心極限定理の適用可能性を厳密に決定するために、非公式なサンプルサイズに関する規則を、歪度・サンプルサイズ平面における経験的に校正された信頼領域へと置き換える、定量的かつシミュレーションに基づくフレームワークを導入するものである。

Linsen Liu2026-07-07
📊 statistics

Adaptive Tail Correction for Extreme Value Modelling: A Power Log Hybrid Extension of the GEV Distribution

本論文は、金融および保険データセットにおける極値クオンタイルの精度を大幅に向上させるために生存テールの硬直性を適応的に補正し、不要な場合には古典的なモデルへと回帰する、一般化極値分布の柔軟なパワー対数ハイブリッド拡張であるPLH-GEVを提案する。

Arslan Khalid, Ishfaq Ahmed, Ibrahim Mufrah Almanjahie2026-07-07
📊 statistics

Properties and Statistical Inference for the Standard Gram--Charlier Type A Distribution and Its Exponentiated Version

本論文は、標準化グラム・シャリエ・タイプA分布およびその指数型分布について、正規化条件、母関数、およびモーメントの関係を含む基礎的な性質を導出するとともに、切断展開における非負性の問題などの限界についても検討するものである。

Sthitadhi Das, Subhrajit Saha2026-07-07
📊 statistics

Analytical Validation of Wistats v3.0 Through Comparison With SPSS and scikit-learn

本研究は、多様な分析シナリオにおいて、既存の統計ソフトウェア(SPSS)および機械学習ライブラリ(scikit-learn)との完全な一致を実証することにより、Wistats v3.0の分析精度を検証し、自動化された出版可能な科学的レポート作成のためのユーザー中心型プラットフォームとしての信頼性を確認するものである。

Levent Korkmaz2026-07-07
📊 statistics

Two-Level Continuous Monitoring of Work-Related Psychosocial Risk: Formalization and Simulation-Based Proof of Concept of a Sector–Individual Assessment Architecture

本論文は、客観的な部門レベルの組織負荷指数と個人レベルの心理社会的反応指数を組み合わせた、仕事に関連する心理社会的リスクのための二段階モニタリング・アーキテクチャを提案およびシミュレーションし、洗練されたアラート基準が、素朴な閾値設定と比較して、偽アラームを最小限に抑えつつ高い感度を達成できることをモンテカルロ解析を通じて示している。

frederico veloso2026-07-07