📊 Category

stat

257 papers

📊 statistics

Distribird: Literature-Informed Prior Distribution Design for Bayesian Model Calibration

Distribird is een agentische webapplicatie die de creatie van literatuur-geïnformeerde priorverdelingen voor Bayesiaanse modelkalibratie automatiseert door een multi-agent-pipeline in te zetten om wetenschappelijke data te extraheren, te wegen en te fitten, waardoor het een traceerbaar en op validiteit gecontroleerd alternatief biedt voor de veelgebruikte uniforme priors of ongegronde single-prompt LLM-baselines.

Patrik P. Süli, György Eigner, Roland Hollós2026-08-18
📊 statistics

Validating the Crystal Ball: Retrospective Evaluation and Uncertainty-Aware Forecasting of Severe Housing Cost Burden in New York City

Dit artikel valideert retrospectief een machine learning-model voor de woonlasten in New York City, waarbij systematische onderpredictie wordt onthuld als gevolg van statische economische aannames, en herkalibreert vervolgens het kader met onzekerheidsbewuste methoden om robuustere, scenario-gebaseerde prognoses voor 2025–2028 te genereren.

Nakib Uddin Ahmed, Azizur Rahman, Mehjabin Ferdous, Kadirur Rahman Chowdhury2026-08-18
📊 statistics

Matrix Variate Skew-Normal Distribution and Related Finite Mixtures: Modeling and Clustering of Asymmetric Data

Dit artikel stelt een nieuwe matrixvariabele scheefnormale verdeling en het bijbehorende eindige mengmodel voor om asymmetrie effectief te vangen en clustering in matrix-waardige gegevens uit te voeren, waarbij verbeterde flexibiliteit en prestaties worden geboden ten opzichte van traditionele symmetrische modellen door middel van afgeleide schatters en een ECM-algoritme.

Shiva Kumar Kurva, Kiruthika C2026-08-18
📊 statistics

Seemingly Unrelated Cointegrating Regressions with Autoregressive Distributed Lag Dynamics: Estimation, Bounds Testing, and Cross-Equation Inference

Dit artikel stelt een Seemingly Unrelated Autoregressive Distributed Lag (SUR-ARDL) raamwerk voor small-N paneldata voor dat de schattingsefficiëntie en de power van cointegratietesten verbetert door gebruik te maken van cross-equation foutcorrelaties, terwijl de distorties in eindige steekproeven van long-run covariantiematrix-schatters worden vermeden, zoals aangetoond door theoretische bewijzen, Monte Carlo-simulaties en een toepassing op de nexus tussen hernieuwbare energie en groei in ASEAN-landen.

Muhammad Afnan Arif, Fumitaka Furuoka2026-08-18
📊 statistics

A Closed-Loop Framework for Knowledge-Based Causal Model Refinement Using Process Mining and Human-AI Governance

Dit artikel stelt een gesloten, mens-AI-collaboratief framework voor dat iteratief kennisgebaseerde causale modellen (DAG's) verfijnt door middel van de integratie van process mining van empirische event logs met expertbeoordeling om de nauwkeurigheid en transparantie van causale inferentie bij complexe chronische ziekten te verbeteren.

Eduardo Illueca Fernandez, Kaile Chen, Carlos Fernandez Llatas, Fernando Seoane, Farhad Abtahi2026-08-14
📊 statistics

Matched-Calibration of Changepoint Detectors for Biopharmaceutical Quality Monitoring

Deze studie toont aan dat wanneer changepoint-detectoren voor de kwaliteitsbewaking van biofarmaceutica worden vergeleken onder gematchte fout-positief-percentages en zoekruimte-ablaties, een standaard variantiegebaseerde straf beter presteert dan robuuste alternatieven over diverse steekproefgroottes en distributies, wat onthult dat eerdere voorkeuren voor robuuste methoden werden gedreven door ongecontroleerde experimentele omstandigheden in plaats van inherente superioriteit.

Halil İbrahim Özdemir, Berfin Dogan, Pemra Ozbek2026-08-14
📊 statistics

Choosing Among Randomized Design Families for Implementation Strategy Trials: A Question-Driven Framework with Practical Tools and Exemplars

Dit artikel presenteert een praktisch, vraaggestuurd kader en bijbehorende instrumenten om onderzoekers te begeleiden bij het selecteren van de meest passende gerandomiseerde designfamilie—zoals parallelle clusterstudies, stepped-wedge, factoriële of adaptieve trials—voor implementatiestrategiestudies op basis van hun specifieke besluitvormingsdoelen in plaats van methodologische voorkeur.

Jonah K. Amponsah, Shellie D. Ellis, Felice Resnik2026-08-14
📊 statistics

Robust Log-Contrast Regression for High-Dimensional Compositional Microbiome Data with Outliers

Dit artikel stelt een robuust log-contrast regressiekader voor dat de Huber-verliesfunctie en de Lasso-penalty combineert om uitschieters te verwerken en schaarsheid te waarborgen in hoogdimensionale compositionele microbioomgegevens, terwijl het theoretische garanties en een efficiënt symmetrisch Gauss-Seidel ADMM-algoritme voor implementatie biedt.

Xuke Hua, Yunhai Xiao, Xin Xin2026-08-14
📊 statistics

Manual versus Data-Driven Specification in Hybrid Discrete Choice Models} - A Benchmark of MNL, RUMBoost, and Penalized Multinomial Logistic Tree Regression (PMLTR)

Dit artikel introduceert Penalized Multinomial Logistic Tree Regression (PMLTR) als een hybride model dat de voorspellende kracht van datagestuurde methoden zoals RUMBoost balanceert met de interpreteerbaarheid van klassieke MNL-modellen, waarbij door middel van uitgebreide benchmarking wordt aangetoond dat hoewel handmatige specificatie competitief blijft, puur datagestuurde benaderingen uitblinken in voorspelling, terwijl PMLTR uniek leesbare utiliteiten biedt die essentieel zijn voor optimalisatie en inferentie.

Simon Rienks, Fiona Sauerbier, Knut Haase2026-08-14