261 papers
Deze studie verbetert de betrouwbaarheid van schattingen van tienerzwangerschappen op districtsniveau in Malawi door een Fay-Herriot small area estimation-model toe te passen op enquêtegegevens uit 2024 en hulpvariabelen uit de volkstelling van 2018, waardoor een stabielere evidence base wordt geboden voor gedecentraliseerd beleid en gerichte interventies.
Dit artikel stelt een iteratief shrinkage-gewogen kleinste kwadratenalgoritme voor gebaseerd op gestrafte likelihood om parameters te schatten voor eindige mengmodellen van gemengde gegeneraliseerde vergelijkingen, wat populatieheterogeniteit aanpakt waar standaard lineaire gemengde modellen falen, en valideert de prestaties van de methode via Monte Carlo-simulaties.
Dit artikel presenteert een geïntegreerd statistisch kader dat OLS-, SUR-, ARIMAX- en Random Forest-modellen combineert binnen een Power BI-omgeving om de voorspelling van luchtvrachtopbrengst en -vraag in opkomende markten in de MEASA-regio te verbeteren door geopolitieke verstoringen, niet-lineaire interacties in de beladingsfactor en dynamiek in de goederenmix aan te pakken, terwijl het academische modellering wiskundig overbrugt met commerciële rapportageparameters.
Deze Monte Carlo-simulatiestudie toont aan dat onder structurele onafhankelijkheid indicatoren op itemniveau van de Klassieke Testtheorie wiskundig bepaalde relaties vertonen—zoals de perfecte functionele equivalentie van binaire itemstatistieken en de stabiliteit van discriminatie-totaalcorrelaties over moeilijkheidsgraden heen—terwijl de betrouwbaarheid op testniveau laag blijft vanwege de afwezigheid van inter-item covariantie.
Dit artikel stelt een door logistiek gedreven proactief epidemie-interventiemodel voor dat een RM-SIR wiskundig kader integreert met een intelligent drone-leveringssysteem om nauwkeurige, op het platteland geprioriteerde bronplanning mogelijk te maken, waardoor logistiek effectief wordt getransformeerd van een passieve transportfunctie naar een actief instrument voor epidemiebestrijding dat de uitbraakpieken en de duur aanzienlijk vermindert terwijl een hoge kosteneffectiviteit behouden blijft.
Dit artikel onderzoekt de theoretische en praktische integratie van technieken voor kunstmatige intelligentie, zoals deep learning en reinforcement learning, in niet-parametrische schatting om hoogdimensionale uitdagingen en complexe afhankelijkheden in velden zoals de geneeskunde en economie aan te pakken, terwijl het kritisch de afwegingen tussen interpreteerbaarheid, computationele kosten en statistische garanties onderzoekt.
Dit artikel toont aan dat cognitief gedetailleerde agent-gebaseerde modellen van sociale invloed met bevestigingsvooroordeel nauwkeurig kunnen worden gereduceerd tot een laagdimensionaal, analytisch hantebaar veldtheoretisch systeem dat de overgang van consensus naar polarisatie vastlegt en een eenvoudige stabiliteitstest biedt voor het diagnosticeren van symmetriebreking.
Gebruikmakend van gegevens uit de 2022 en 2024 Health Information National Trends Survey, onthult deze studie dat vertrouwen in overheidsgezondheidsinstanties de sterkste voorspeller is voor het waarnemen van klimaatverandering als een gezondheidsrisico, terwijl vertrouwen in wetenschappers een zwakkere, afnemende associatie over tijd vertoont en vertrouwen in artsen geen significante factor is.
Deze empirische studie valideert een wiskundig model dat aantoont dat de snelheid van cognitieve adaptatie van volwassen leerders in technische vakgebieden primair wordt gedreven door de ratio van intellectuele nederigheid ten opzichte van ego-ruis, in plaats van het initiële intellectuele potentieel, waarbij het minimaliseren van ego-ruis de tijd tot het bereiken van een plateau van correcte oplossingen significant versnelt.
Dit artikel stelt een schaalbare Random Survival Forests-methode voor die gebruikmaakt van risk-set sampling om de trainingstijd aanzienlijk te verminderen terwijl de voorspellende prestaties gelijk blijven of zelfs verbeteren, waarbij de aanpak nu is geïmplementeerd in de veelgebruikte R-package `ranger`.