stat papers | Gist.Science

Trust in Health Information Sources and Perceived Climate Change Health Risks: Evidence from the 2022 and 2024 Health Information National Trends Survey

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.

Miyeon Kim2026-07-01

📊 statistics

Mathematical Modeling of the Rate of Cognitive Adaptation With an AI Tutor Among Adult Learners

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.

Kibriyo Mukhamadieva2026-07-01

📊 statistics

Scalable Random Survival Forests via Risk Set Sampling

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`.

Justine B. Nasejje, Niklas Koenen, Marvin N. Wright, Henry Mwambi2026-07-01

📊 statistics

A New Pareto-Type Family via the Right-Sided Riemann–Liouville Fractional Integral: Properties and Applications

Dit artikel introduceert een nieuwe flexibele familie van Pareto-type verdelingen gegenereerd via de rechtszijdige Riemann–Liouville fractiele integraaloperator, die een theoretisch gefundeerd mechanisme biedt voor het reguleren van staartgedrag en een superieure prestatie demonstreert bij het modelleren van zware staarten in reële gegevens vergeleken met bestaande modellen.

Kamaldeen Olomoda ISIAK, AKEYEDE Imam, Yunus MUSA Olatunji, OYETAYO Oyebisi, Muhammad Abiodun SULAIMAN2026-07-01

📊 statistics

Real-world performance of large-scale propensity score adjustment strategies: Matching, weighting, and stratification

Deze studie evalueert grootschalige strategieën voor propensity score-aanpassing over vier nationale gezondheidszorgdatabases en concludeert dat inverse probability of treatment weighting met Crump-trimming en 1:1-matching over het algemeen de beste prestaties bieden, hoewel geen enkele strategie universeel superieur is, wat het gebruik van diagnostiek en empirische kalibratie noodzakelijk maakt om de selectie te sturen.

Kelly M Li, Martijn J Schuemie, Patrick B Ryan, Linying Zhang, Yong Chen, Kashish Priyam, Nicole Pratt, George Hripcsak (…)2026-07-01

📊 statistics

A Probabilistic Framework for Reconstructing Sparse UAV-Based Radiation Monitoring Data Using Gaussian Process Regression and Uncertainty Quantification

Deze studie stelt een onzekerheidsbewust probabilistisch raamwerk voor dat Gaussian Process Regression gebruikt om effectief schaarse door UAV-gebaseerde stralingsmonitoringgegevens uit de Tsjernobyl Exclusiezone te reconstrueren, waarbij het traditionele interpolatiemethoden overtreft in nauwkeurigheid terwijl het essentiële ruimtelijke onzekerheidsschattingen biedt voor geïnformeerde besluitvorming over het milieu.

Andrii Bondarchuk, Tetiana Nosenko, Yurii Zabulonov2026-06-30

📊 statistics

Robust Regularised M-Estimators for High-Dimensional Regression with Heavy-Tailed and Skewed Errors

Dit artikel introduceert een klasse van robuuste geregulariseerde M-schatters voor hoogdimensionale regressie die optimale convergentiesnelheden en variabele-selectieconsistentie bereikt onder minimale momentvoorwaarden (eindig $\alpha > 1$ ), waarbij bestaande methoden overtreft in zowel simulaties als real-world genomische toepassingen bij het omgaan met zware staarten, scheve of gecontamineerde fouten.

Mazona Victor, Vincent Odiaka, Gabriel O. Obadina2026-06-30✓ Author reviewed ⓘ

📊 statistics

Sparse Convex Biclustering

Het artikel stelt SpaCoBi (Sparse Convex Biclustering) voor, een nieuwe convexe optimalisatiemethode met een op stabiliteit gebaseerd afstemmingscriterium die effectief ruis en computationele uitdagingen in hoogdimensionale datasets aanpakt, waarbij het een superieure nauwkeurigheid en robuustheid demonstreert vergeleken met bestaande state-of-the-art biclusteringtechnieken.

Jiakun Jiang, Dewei Xiang, Cheliang Gu, Wei Liu, Binhuan Wang2026-06-30

📊 statistics

Detecting and Quantifying Circularity Bias When Composite Quality Ratings Are Used as Covariates: A Methodological Demonstration Using CMS Hospital Excess Readmissions Data

Dit artikel toont aan dat het opnemen van samengestelde kwaliteitsbeoordelingen als covariaten in regressiemodellen een circulariteitsbias introduceert die de geschatte effecten van structurele voorspellers systematisch verzwakt, een methodologisch gevaar dat is bevestigd door middel van CMS-ziekenhuisheropnamegegevens en Monte Carlo-simulaties.

Ali Akram2026-06-30

📊 statistics

Perceived scarcity and risky choice under high objective risk: Evidence from a hierarchical drift diffusion model

Deze studie toont aan dat waargenomen schaarste aan middelen risicovol besluitvormingsgedrag verhoogt, met name bij een hoog objectief risico, door de driftrate naar de risicovolle optie te versnellen zoals onthuld via hiërarchische drift-diffusiemodellering.

Hongmin Luo, Junyu Liang, Jun Chen2026-06-30

← Vorige Volgende →