110 papers
Deze studie stelt een covariantie-bewust compromis-allocatiekader voor voor multivariate gestratificeerde steekproefneming onder niet-lineaire budget- en tijdsbeperkingen, waarbij door middel van numerieke analyse wordt aangetoond dat het opnemen van covariantie-interacties optimale steekproefallocaties en verbeterde precisie oplevert in vergelijking met traditionele methoden.
Deze studie maakt gebruik van een tweetoestands Markov-switchmodel met bootstrap-onzekerheidskwantificering op de Keniaanse moedersterftegegevens van 2000–2023 om onderscheidende regimes van hoge en lage mortaliteit te onthullen die worden gedreven door structurele veranderingen in het gezondheidssysteem, waarmee wordt aangetoond dat het traject van de moederlijke gezondheid in het land wordt gekenmerkt door persistente regimeverschuivingen in plaats van een continue lineaire trend.
Deze studie stelt een Dynamische Huber-Gewogen Adaptieve EWMA Max-M statistiek voor die traditionele modellen overtreft in het gelijktijdig detecteren van zowel kleine als grote multivariate procesverschuivingen door gladstrijkingsparameters dynamisch aan te passen op basis van de afwijkingsgrootte, zoals gevalideerd door middel van simulaties en industriële cementklinkergegevens.
Dit artikel stelt een nieuw, door surveys versterkt kalibratiekader voor reject inference voor dat de prestatieverslechtering van traditionele imputatiemethoden vermijdt door geaccepteerde aanvragers te herwegen om aan populatietotalen te voldoen, waarmee bewezen wordt dat het consistent en asymptotisch normaal is terwijl het de populatierisicokalibratie aanzienlijk verbetert en het onderscheidend vermogen behoudt onder modelmisspecificatie.
Deze studie stelt een interpreteerbaar statistisch leerframework voor en valideert dit, dat gepenaliseerde regressie, bootstrap stabiliteitsselectie en SHAP-gebaseerd uitlegbaar machine learning integreert om studentenstress nauwkeurig te voorspellen, waarbij belangrijke voorspellers zoals examendruk en slaapuren worden geïdentificeerd terwijl modeltransparantie en reproduceerbaarheid worden gewaarborgd.
Deze studie introduceert het Socio-Evolutionary Algorithm (SEA) framework, dat de balans tussen vertrouwen, imitatie en exploratie in herhaalde adaptieve beslissingen modelleert, en valideert de competitieve prestaties en interpreteerbaarheid over tien heterogene cohorten in een taak van schuldallocatie.
Dit artikel stelt de Coauthorship Disparity Index (CDI) voor, een nieuwe metriek die is ontworpen om de onbalans tussen de wetenschappelijke impact van een auteur en het aantal mede-auteurs op h-core papers te kwantificeren, waardoor het helpt bij het identificeren van gevallen van misbruik van mede-auteurschap, zoals gift- of guest-authorship.
Deze studie introduceert een afhankelijkheidsgeometrie-framework die pair copula-constructies combineert met hidden Markov-modellen om de complexe ruimtelijke en temporele afhankelijkheidspatronen van neerslagvelden te analyseren en te simuleren met behulp van multi-site data uit Zuid-Duitsland.
Het artikel stelt het windowEM-algoritme voor, een stochastische variant van de EM-methode die gegevens verdeelt in blokken gerangschikt op een cirkel om een populatie van schattingen te genereren via sequentiële updates en rolling window-smoothing, waardoor het convergentiegaranties en potentiële preventie van overfitting biedt.
Dit artikel introduceert een kwantitatief, op simulatie gebaseerd kader dat informele regels voor steekproefomvang vervangt door empirisch gekalibreerde betrouwbaarheidsregio's in het scheefheid–steekproefomvang-vlak om de toepasbaarheid van de centrale limietstelling voor zowel continue als discrete datasets rigoureus te bepalen.