📊 statistiek

Adaptive Mortality Drift for Short-Horizon Forecasting of Under-Five Mortality in West Africa: Model Development, Monte Carlo Validation, Robustness, and a 16-Country Application

Dit artikel introduceert en valideert een Adaptive Mortality Drift (AMD) model dat verschillende statistische en machine learning-benchmarks overtreft bij het voorspellen van kortetermijn trends in de sterfte onder kinderen onder de vijf jaar in 16 West-Afrikaanse landen door de persistentie van mortaliteit dynamisch te schatten en robuustheid aan te tonen via Monte Carlo-simulaties.

Mumini Idowu Adarabioyo2026-10-12
📊 statistiek

Stress-testing post-market medical-device reporting signals: an empirical study of temporal, entity-label and comparator robustness in FDA MAUDE

Deze empirische studie van FDA MAUDE-gegevens toont aan dat signalen van brede-periode positieve disproportionaliteit vaak methodologisch instabiel zijn, wat noodzakelijke temporele, entiteit-label en comparator stress-tests vereist om robuuste rapportagepatronen te onderscheiden van artefacten voordat conclusies over de veiligheid van apparatuur worden getrokken.

Donglin Xu, Zhen Yu, Ang Li, Zengkun Liu, Qiduo Chen, Jing Liu, Hourong Sun2026-10-12
📊 statistiek

Disease spread in compartmental spaces: Markov and semi-Markov population models

Dit artikel stelt een stochastisch raamwerk voor met behulp van gesloten Markov- en open semi-Markov populatiemodellen om de transmissie van infectieziekten in onderling verbonden compartimentale ruimtes te analyseren door rekening te houden met ruimtelijke structuur, individuele mobiliteit en algemene verblijftijdverdelingen.

Brenda Ivette García-Maya, Yehtli Morales-Huerta, Raúl Salgado-Garcia2026-10-12
📊 statistiek

When Better Writing Changes the Order: A Monte Carlo Study of Rank Reversals and Selection Instability in AI-Assisted L2 Writing Assessment

Deze Monte Carlo-studie toont aan dat hoewel AI-ondersteunde verbeteringen in het schrijven niet automatisch de relatieve bekwaamheidsrangschikkingen van leerlingen behouden, de resulterende rangordeomkeringen en selectie-instabiliteit significant variëren afhankelijk van het ondersteuningsmechanisme, waarbij gerichtheid op zwaktes aanzienlijke ordeningsfouten en dalingen in selectie-accuratesse veroorzaakt die niet volledig gecorrigeerd kunnen worden door enkel productgerichte scorekalibratie.

Tan Nguyen Huynh Si2026-10-12
📊 statistiek

The Statistical Price of Unknown Geometry in In-Context Regression

Dit artikel stelt vast dat in Gaussische in-context regressie met één gelabelde observatie, de statistische kosten voor het schatten van de onbekende taakgeometrie verschillend zijn van en strikt positief ten opzichte van de kosten voor het selecteren van een geometrische actie zonder labelfeedback, wat onthult dat labelfeedback een uniek voordeel biedt in het verminderen van de Bayes-benaderingsregret, zelfs wanneer de totale risico afneemt met meer referentiedata.

Jufeng Li, Wenjie Li2026-10-12
📊 statistiek

New approach for estimating socioeconomic indicators in small-areas with sparse samples and high within-region heterogeneity: application in the Peruvian Amazon

Deze studie toont aan dat Bayesiaanse small-area schattingsmodellen die gebruikmaken van Demographic and Health Surveys en censusgegevens robuuste, fijnmazige en temporeel consistente sociaaleconomische schattingen kunnen genereren voor dunbevolkte en heterogene regio's zoals de Peruaanse Amazone, waardoor kritieke ruimtelijke verbanden tussen armoede, onderwijs en de malaria-last worden onthuld die vaak verborgen blijven in traditionele grootschalige analyses.

Jose Matta-Chuquisapon, Julianne Meisner, Sergio E. Recuenco2026-10-09
📊 statistiek

Novel Screening Methods for Binary Outcomes with Rare Events

Dit artikel introduceert en valideert twee nieuwe screeningsmethoden, Rare-Screening en Firth-ttScreening, die zijn ontworpen om de detectie van CpG-sites te verbeteren die geassocieerd zijn met zeldzame binaire gebeurtenissen in hoogdimensionele epigenoombrede associatiestudies, waarbij een superieure sensitiviteit wordt aangetoond ten opzichte van traditionele FDR- en Bonferroni-benaderingen.

Mohammad Nahian Ferdous Abrar, Hongmei Zhang, Meredith Ray, Yuanjin Liu, Hasan Arshad, Yu Jiang2026-10-09
📊 statistiek

Benchmarking machine learning against a regulatory rule-based baseline for drinking-water compliance classification

Deze studie toont aan dat voor de classificatie van naleving van de drinkwaterkwaliteit machine learning-modellen een regelgebaseerde baseline op basis van regelgeving niet kunnen overtreffen, omdat domein-gedefinieerde drempelwaarden al bijna alle beschikbare signalen vastleggen, wat benadrukt dat het verfijnen van regelgevende regels en het implementeren van consensusstrategieën effectiever zijn dan modelselectie.

Aljaž Sovič, Barbara Hribar Lee, Zoran Bosnić2026-10-09
📊 statistiek

Testing Governance Mediation with Multi-Edition City Indices: A Simulation-Validated Pipeline with a Confounding Diagnostic and Sensitivity Analysis

Dit artikel presenteert en valideert een achtfasige open pijplijn voor mediatieanalyse op multi-editie stadscijfers, waarbij door middel van uitgebreide simulaties wordt aangetoond dat terwijl standaardmethoden lijden onder opgeblazen Type I-fouten en ernstige bias als gevolg van niet-geobserveerde of tijdvariërende confounding, een combinatie van city-cluster bootstrapping, tweeweg vaste effecten-modellen en residu-correlatie sensitiviteitsanalyse een robuust protocol biedt voor betrouwbare claims over bestuurlijke mediatie.

Kamal Abdelgowad, Baher ElShaarawy, Muhammad Essa, Asra Mehar, Kiran Kumar2026-10-09