📊 Category

stat

109 artigos

📊 statistics

Machine Learning Analysis of Socioeconomic Stratification and Health Vulnerability in the United States

Utilizando um pipeline de aprendizado de máquina supervisionado em um conjunto de dados sintéticos calibrados para pesquisas nacionais dos EUA, este estudo demonstra que fatores socioeconômicos estruturais, particularmente educação e classe ocupacional, são os preditores dominantes da vulnerabilidade à saúde — explicando 82% da importância das características e apoiando a teoria da causa fundamental sobre as explicações comportamentais.

Tamim Anowar2026-07-10
📊 statistics

HS3: A Descriptive, Interoperable Serialization Standardfor Statistical Models in High-Energy Physics

Este artigo apresenta o HS3, um novo padrão de serialização para modelos estatísticos em física de altas energias, agnóstico à implementação, legível por humanos e extensível, projetado para superar as limitações dos formatos existentes ao permitir a interoperabilidade legível por máquina, a preservação de longo prazo e os princípios de dados FAIR através de diversos frameworks de software.

Carsten Burgard, Oliver Schulz, Giordon Stark, Jonas Rembser, Simon Cello, Cornelius Grunwald2026-07-10
📊 statistics

Inferring Optimised Pregnancy Conception Dates from Multiple Gestational Age Estimates: A Hybrid Anomaly Detection and Linear Mixed Model Approach

Este estudo demonstra que uma abordagem híbrida combinando a detecção de anomalias por Isolation Forest com modelagem de efeitos mistos lineares pode sintetizar datas de concepção gestacional confiáveis e otimizadas a partir de dados clínicos rotineiros conflitantes em cenários de baixos recursos, superando efetivamente a falta de ultrassonografia precoce e o registro inconsistente de dados.

Mercy Chepkirui, Stephanie Dellicour, Benard Omondi, Kennedy Maube, Gerald Ongayo, Michael Alaw, Benard Asuke, Titus Och (…)2026-07-09
📊 statistics

Covariance-Aware Compromise Allocation in Multivariate Stratified sampling under Nonlinear Constraints

Este estudo propõe uma estrutura de alocação de compromisso consciente da covariância para amostragem estratificada multivariada sob restrições não lineares de orçamento e tempo, demonstrando, por meio de análise numérica, que a incorporação de interações de covariância produz alocações de amostra ótimas e precisão aprimorada em comparação aos métodos tradicionais.

Shuaibu Idris Adam, Quazzafi Rabbani2026-07-09
📊 statistics

Markov-Switching Regime Dynamics of Maternal Mortality in Kenya: A State-Dependent Analysis of Health System Transitions with Bootstrap Uncertainty Quantification (2000-2023

Este estudo emprega um modelo de comutação de Markov de dois estados com quantificação de incerteza por bootstrap nos dados de mortalidade materna do Quênia entre 2000 e 2023 para revelar regimes distintos de alta e baixa mortalidade impulsionados por mudanças estruturais no sistema de saúde, demonstrando que a trajetória da saúde materna do país é caracterizada por mudanças persistentes de regime em vez de uma tendência linear contínua.

ROBERT NYABWANGA2026-07-09
📊 statistics

A Dynamic Huber-Weighted Adaptive EWMA Max-M Statistic for Simultaneous Multivariate Process Monitoring

Este estudo propõe um estatístico Max-M EWMA Adaptativo com Pesagem Huber Dinâmica que supera os modelos tradicionais na detecção simultânea de desvios de processos multivariados menores e maiores ao ajustar dinamicamente os parâmetros de suavização com base na magnitude do desvio, conforme validado por meio de simulações e dados industriais de clínquer de cimento.

Muhammad Ahsan, Latifatuz Zulfa, Muhammad Mashuri, Syafi’ Bariq’ Syihabuddin Hidayatullah, Muhammad Hisyam Lee2026-07-09
📊 statistics

Auxiliary-Enhanced Survey Calibration: A Novel Framework for Reject Inference under Sample Selection Bias

Este artigo propõe um novo framework de calibração de pesquisa com reforço auxiliar para inferência de rejeição que evita a degradação de desempenho dos métodos tradicionais de imputação ao reponderar candidatos aceitos para corresponder aos totais populacionais, provando ser consistente e assintoticamente normal enquanto melhora significativamente a calibração de risco populacional e mantém o poder de discriminação sob erro de especificação do modelo.

Abderrahim EL AMRANI, Badreddine BENYACOUB, Mohammed EL HAJ TIRARI2026-07-08
📊 statistics

An Interpretable Statistical Learning Framework for Binary Classification: An Application to Student Stress Prediction

Este estudo propõe e valida uma estrutura de aprendizagem estatística interpretável que integra regressão penalizada, seleção de estabilidade por bootstrap e aprendizado de máquina explicável baseado em SHAP para prever com precisão o estresse estudantil, identificando preditores fundamentais como a pressão de exames e horas de sono, ao mesmo tempo em que garante transparência e reprodutibilidade do modelo.

Francis Okyere2026-07-08