📊 statistics
One of the Above, None of the Above: Why the Same Model Should Not Predict Both
本文认为，新颖性预测需要在一个定义良好的语境中，将类别吸收与类别开启进行明确分离，并证明了当任务结构被妥善考虑时，一个简单的组合零模型往往优于像 Pitman-Yor 过程这样复杂的富者愈富模型。
📊 Category
stat
283 篇论文
📊 statistics
Measuring Visibility Bias in Digital Urban Experience: A Multimodal Spatial Statistical Analysis of Sina Weibo Data in Guangzhou
本研究通过利用 273,566 条带有地理标记的新浪微博帖子，引入了一种偏差感知空间统计框架，用以量化并绘制广州城市类别数字可见性的不均衡分布情况，揭示了尽管情感可见度具有尺度依赖性，但建筑可见度在现代城区与历史城区中均表现出一致的空间聚类特征。
📊 statistics
Bridging SCED and Group Designs: Demonstrating the Ratio-Metric BC-IRR Effect Size in a Meta-Analysis
本研究引入了比率度量 BC-IRR 效应量作为一种衔接单案设计与组间设计的手段，并通过对针对自闭症谱系障碍学生的辅助技术干预进行的重新分析，证明了 BC-IRR 在能够实现多样化证据类型综合的同时，相较于传统度量指标具有独特的解释优势。
📊 statistics
SynthGuard-ReleaseBench: Locked-Audit Evidence for Synthetic Tabular Data Releases
本文介绍了 SynthGuard-ReleaseBench，这是一个可复现的审计框架，它通过比较真实与合成的工作流，为评估合成表格数据发布建立预设的锁定标准，旨在提供有限样本界限以及针对特定用例、人群和威胁模型的明确证据，而非对隐私或安全性做出笼统的声明。
📊 statistics
Inverse Lomax Frechet Distribution with Applications
本文通过复合 Fréchet 型和 Inverse Lomax 型广义分布，引入了四参数反 Lomax-Fréchet (ILF) 分布，推导了其关键统计性质和极大似然估计量，并通过对两个实际数据集的应用，展示了其卓越的拟合性能。
📊 statistics
COVID-19 Dispersion Modeling of Data with Minimax Measurement
本文提出了一种数据驱动的建模框架，通过对发生位置数据进行极大极小测量，用于追踪和预测新冠肺炎病毒的扩散，并重点通过模型验证、校验及鲁棒性分析来提升预测能力。
📊 statistics
Distribird: Literature-Informed Prior Distribution Design for Bayesian Model Calibration
Distribird 是一个代理式 Web 应用程序，通过部署多智能体流水线来提取、加权并拟合科学数据，从而为贝叶斯模型校准自动创建基于文献的先验分布，进而为通常使用的均匀先验或缺乏依据的单提示词大语言模型基准提供了一种可追溯且经过有效性验证的替代方案。
📊 statistics
Validating the Crystal Ball: Retrospective Evaluation and Uncertainty-Aware Forecasting of Severe Housing Cost Burden in New York City
本文通过对纽约市住房成本负担机器学习模型的追溯性验证，揭示了由于静态经济假设导致的系统性低估问题，并随后利用具备不确定性感知能力的算法对该框架进行了重新校准，以生成针对 2025–2028 年更具鲁棒性的基于情景的预测。
📊 statistics
Matrix Variate Skew-Normal Distribution and Related Finite Mixtures: Modeling and Clustering of Asymmetric Data
本文提出了一种新的矩阵变量偏正态分布及其有限混合模型，旨在通过导出的估计量和 ECM 算法，有效地捕捉矩阵值数据的非对称性并进行聚类，从而通过比传统对称模型提供更高的灵活性和性能。
📊 statistics
Seemingly Unrelated Cointegrating Regressions with Autoregressive Distributed Lag Dynamics: Estimation, Bounds Testing, and Cross-Equation Inference
本文提出了一种针对小样本面板数据的看似不相关自回归分布滞后（SUR-ARDL）框架，该框架通过利用跨方程误差相关性，在避免长协方差矩阵估计量导致的有限样本失真的同时，提升了估计效率和协整检验功效，并通过理论证明、蒙特卡洛模拟以及在东盟国家可再生能源与经济增长关系中的应用进行了验证。