📊 statistiek

Attractor strength identifies classifier label geometry as construct- irrelevant variance in machine-scored developmental drawing assessment

Deze studie toont aan dat in door machines gescoord ontwikkelingsassessment van tekeningen de waargenomen moeilijkheidsgraad van het tekenen van specifieke objecten grotendeels wordt gedreven door construct-irrelevante variantie voortvloeiend uit de geometrie van de classifier-labels van de scoring-pipeline in plaats van uit de werkelijke ontwikkelingscapaciteit van het kind, waardoor enkelvoudige prompt-scores onbetrouwbaar worden en attractor-gecorrigeerde metrieken noodzakelijk zijn voor geldige vergelijkingen tussen pipelines.

Rafat Saleh Madani2026-10-13
📊 statistiek

Anchoring on Target: Rethinking Weighting Logic and Paradigm Reconstruction

Dit artikel bekritiseert de paradigma-bias in traditionele indicatorgestuurde wegingsmethoden die statistische kenmerken verwarren met indicatorbelangrijkheid en stelt de Target-Oriented Weighting (TOW)-methode voor, die gewichten verankert aan evaluatiedoelen door middel van benchmark-gebaseerde berekeningen en een op Difference-in-Differences geïnspireerde logica om de omvang van verbetering te beoordelen in plaats van statische niveaus.

Yongliang Zhao, Liping Yu2026-10-13
📊 statistiek

A Comprehensive Reliability Assessment of the Kumaraswamy Inverse Weibull Distribution with Application to Electromigration Failure-Time Data

Dit artikel presenteert een uitgebreide betrouwbaarheidsbeoordeling van de Kumaraswamy Inverse Weibull-verdeling, waarbij door middel van structurele analyse, maximum likelihood-schatting en vergelijkende goodness-of-fit-toetsen wordt aangetoond dat deze effectief de electromigratie-faaltijdgegevens in microcircuits modelleert, waarbij het verschillende alternatieve inverse-Weibull-type verdelingen overtreft of daarmee concurreert.

Muhammad Shuaib Khan2026-10-13
📊 statistiek

Large-Scale Group Decision-Making with Linear Uncertain Preference Relations Using Improved Density Peak Clustering and Two-Stage Feedback

Dit artikel stelt een grootschalig groepsbesluitvormingsmodel voor voor lineaire onzekere preferentierelaties dat dynamische vertrouwensactualisering, verbeterde Density Peak Clustering voor subgroepidentificatie en een tweestaps feedbackmechanisme integreert om hoge consensuspercentages te bereiken met minimale preferentie-aanpassingen.

Xiaoyun Lu, Kuiyao Liu, Fushan Li, Zhonglin Ye, Zehui Chen2026-10-13
📊 statistiek

A Bayesian Alternative to the Two One-Sided Tests (TOST) Procedure: State of the Art and a Proposal for a Generalized Bayesian Equivalence Model

Dit artikel stelt de Generalized Bayesian TOST met Power-Discounted Priors (GBT-PP) voor, een verenigd raamwerk dat de beperkingen van de klassieke TOST-procedure overwint door historische gegevens uit zowel continue als discrete bronnen formeel te incorporeren en instelbaar te verdisconteren, terwijl het vijf originele theoretische resultaten vaststelt en reproduceerbare R-implementaties biedt voor equivalentietesten.

Antonio Monleon-Getino2026-10-13
📊 statistiek

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

Dit artikel introduceert een total-variation-certificeringskader om benaderende samplers voor covariaat-geconstreerde cluster-randomisatie te evalueren, waarbij wordt aangetoond op een vaste benchmark en synthetische uitbreidingen dat huidige kwantum- en klassieke benaderingen vaak significant afwijken van exacte doelstellingen, waardoor de type-I-foutpercentages worden opgeblazen en p-waarden in randomisatietesten worden gewijzigd.

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

Population-Aware Bayesian Fairness in AI under Complex Survey Designs

Dit artikel stelt een Bayesiaans populatiebewust eerlijkheidskader voor dat complexe steekproefweging, hiërarchische partiële pooling en onzekerheidskalibratie integreert om groepsverschillen in voorspellende systemen nauwkeurig te schatten en te certificeren, waarbij door middel van simulaties en real-world data wordt aangetoond dat het negeren van het steekproefontwerp leidt tot vertekende conclusies over eerlijkheid.

Debashis Chatterjee2026-10-13
📊 statistiek

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

Dit artikel stelt een adaptief framework voor voor het voorspellen van functionele hoofdcomponenten in de Wasserstein-ruimte voor cross-sectionele ETF-rendementsverdelingen voor, waarbij wordt aangetoond dat het combineren van een sterk FPCA-autoregressief anker met ofwel selectieve kwantiel-residuele correctie ofwel globale score-dynamiek bescheiden maar stabiele verbeteringen oplevert ten opzichte van standaard en instabiele alternatieven.

Çağlar Sözen, Mervenur SÖZEN2026-10-13