Estimating Residential Displacement in the Central Puget Sound Region using Household Survey Data
该研究利用三项家庭调查数据，通过贝叶斯时空模型和分层后处理技术，估算了2016至2023年间美国中央普吉特湾地区次县级住宅流离失所率，揭示了区域内部的地理差异及2020-2021年搬迁群体的暂时性缓和趋势，并提供了可推广的方法论与公开数据供利益相关者参考。
📊 Category
stat.AP
97 篇论文
Risk Prediction in Cancer Imaging Using Enriched Radiomics Features
该研究提出了一种结合经典结构放射组学与基于肝 MRI 增强模式映射（EPM）的新型功能放射组学特征框架，通过像素级血流灌注信息有效捕捉肿瘤异质性，显著提升了肝癌诊断分类与分级分层的准确性，并展示了其在纵向成像研究中的潜力。
Mapping the long-term trajectories of political violence in Africa
该研究利用非洲 1997 至 2024 年的事件数据，通过空间显式纵向序列分析识别出六种政治暴力长期轨迹，揭示了冲突在时间演变与空间邻域间的相互依赖关系，从而超越了传统仅关注离散转型的研究局限。
Multi-view biclustering via non-negative matrix tri-factorisation
该论文提出了一种名为 ResNMTF 的新型多视图双聚类方法，基于非负矩阵三分解技术，能够在无需预设簇数量的情况下识别重叠且非完备的双聚类，并扩展了轮廓系数为“双轮廓系数”以辅助超参数调优与可视化。
Forests of Uncertaint(r)ees: Using tree-based ensembles to estimate probability distributions of future conflict
该研究提出了一种基于树集成和分布回归的自动机器学习框架，通过将冲突预测从传统的点估计转向概率分布估计，有效量化了暴力冲突预测中的不确定性，并在零膨胀数据背景下实现了对未来一年冲突 fatalities 的准确预测。
FlowSN: Normalising Flows for Simulation-Based Inference under Realistic Selection Effects applied to Supernova Cosmology
本文提出了 FlowSN 框架，利用基于模拟的推理和归一化流技术，在无需重新训练的情况下高效处理观测天文学中的选择效应，从而显著降低了超新星宇宙学参数（如暗能量状态方程）推断中的偏差并提升了校准精度。
A Statistically Reliable Optimization Framework for Bandit Experiments in Scientific Discovery
该论文提出了一种统计可靠的优化框架，通过修正假设检验方法以解决自适应采样下的统计有效性问题，并引入统一的实验评估目标函数，使科学发现中的带实验能够在保持统计效力的同时，根据实验扩展成本在累积奖励与统计功效之间实现最优平衡。
Two Point Correlation Function Estimation with Contaminated Data
该论文提出了一种预测驱动的兰迪-斯泽莱（PP-LS）估计器，通过结合全样本的噪声标签与少量光谱子集的精确标签，在不依赖概率校准或污染建模的情况下，有效消除了成像巡天中因选择偏差和污染导致的两点相关函数估计偏差，同时显著降低了方差。
Finite-Sample Decision Instability in Threshold-Based Process Capability Approval
该研究揭示了基于样本估计的过程能力指数（如 ）在接近固定判定阈值（如 1.33）时存在固有的决策不稳定性，指出即使过程真实能力达标，小样本下的随机性也会导致约 50% 的误判风险，并通过模拟与实证数据量化了这种边界效应带来的发布风险。
Teleodynamic Learning a new Paradigm For Interpretable AI
本文提出了受生命系统启发的“遥动学习”新范式，将学习定义为在约束下结构、参数与资源协同演化的动态过程，并基于此构建了 Distinction Engine 模型，在实现高分类精度的同时内生地生成可解释逻辑规则，为可解释、自适应且自组织的 AI 开辟了一条热力学基础路径。
Spatially Robust Inference with Predicted and Missing at Random Labels
该论文针对在缺失随机标签和空间依赖场景下使用机器学习预测值进行推断时，交叉拟合导致的方差估计失真问题，提出了一种结合双重稳健估计与自助法空间异质自相关一致（HAC）方差校正的新方法，从而实现了更稳健且渐近有效的置信区间。
Multivariate Functional Principal Component Analysis for Mixed-Type mHealth Data: An Application to Mood Disorders
该论文提出了一种基于半参数高斯 copula 模型的混合类型多变量功能主成分分析（FPCA）方法，用于处理移动健康数据中连续、截断、有序及二值等多尺度时间序列，并通过美国国家精神卫生研究所的一项研究验证了其在识别情绪障碍亚型共享时间模式及构建数字生物标志物方面的有效性。
Dynamic Bayesian regression quantile synthesis for forecasting outlook-at-risk
该论文提出了一种名为动态贝叶斯回归分位数合成（DRQS）的新方法，通过引入非对称拉普拉斯分布和时变潜在因子结构（FDRQS），在贝叶斯预测合成框架下有效整合多模型的分位数信息，从而显著提升了包括极端经济压力时期在内的宏观变量分位数预测精度。
One-Shot Individual Claims Reserving
本文旨在通过深化对基于链梯法新视角的讨论，解决现有个体赔款准备金评估方法过于复杂或缺乏灵活性的问题，从而推动微观测算准备金实践迈向新标准。
On the Unit Teissier Distribution: Properties, Estimation Procedures and Applications
本文在已有研究基础上，进一步推导了单位 Teissier 分布的阶统计量矩、L-矩及截断矩表征等理论性质，系统比较了包括最大乘积间距、多种距离度量及 L-矩在内的多种参数估计方法，并通过模拟研究与实际数据应用验证了该分布的灵活性与实用性。
Effective Degrees of Freedom for Balanced Repeated Replication and Paired Jackknife Variance Estimates: A Unified Approach via Stratum Contrasts
本文通过揭示平衡重复复制（BRR）与配对刀切法（Jackknife）方差估计量中独立层间对比分量的性质，建立了一个统一框架，推导了方差估计量的方差并提出了基于 Welch-Satterthwaite 近似的实用自由度计算公式，从而为构建总体总量的置信区间提供了理论依据。
Deriving the term-structure of loan write-off risk under IFRS 9 by using survival analysis: A benchmark study
该论文通过基准研究比较了离散时间风险模型、条件推断生存树与逻辑回归在 IFRS 9 框架下构建贷款核销风险期限结构的表现，发现离散时间风险模型在双阶段 LGD 建模中表现优异，但受数据"L 型”分布影响，单阶段 LGD 模型最终取得了最佳效果。
Robust Estimation of Polychoric Correlation
本文提出了一种基于稳健损失函数的新型多分格相关系数估计量，该估计量无需对模型误设的类型或程度做假设，在保持与最大似然估计法相同计算成本的同时，能够有效抵抗因 careless respondents 等导致的模型部分误设，并在模拟与实证研究中展现出优异的稳健性与实用性。
Agent based decision making for Integrated Air Defense system
本文提出了一种基于智能体（Agent）的防空系统决策模型，利用信念 - 愿望 - 意图（BDI）架构和元级规划推理，实现了无需人工干预的自动化目标探测、威胁评估及武器分配，从而提升了网络中心战环境下的指挥控制自主性。
Bayesian Evidence Synthesis for Modeling SARS-CoV-2 Transmission
本文采用贝叶斯范式结合离散时间随机流行病模型，通过整合公开数据与移动性信息来估算 SARS-CoV-2 的总感染数及传播动态，并评估了变分贝叶斯与哈密顿蒙特卡洛等推断方法的性能，同时利用相平面分析和反馈切割技术优化了决策支持工具。