stat 篇论文 | Gist.Science

本研究利用 1991 年至 2023 年出版数据的机器学习时间序列建模与相关性分析，旨在证明统计学是人工智能与现代技术进步的核心且紧密耦合的驱动力，这两个领域均呈现出强劲的正向增长趋势，且其统计学上的显著相互依赖关系预计将持续至 2030 年。

这项准实验研究表明，一种被设计为思维工具（Mindtool）的基于电子表格的学习游戏，显著增强了本科生的批判性思维能力，并使其决策过程从依赖单一指标演变为在数据驱动的统计情境下进行反思性的证据评估。

本文提出了一种基于统计相似性而非地理邻近性来构建空间权重矩阵的数据驱动框架，旨在增强时空自回归模型，并通过全球温度分析证明，基于相似性的设定（特别是使用汉明距离的设定）与传统的基于邻接性的方法相比，显著提高了预测精度。

本研究表明，将基于机器学习的特征选择（具体为 BART 和 SVR）与贝叶斯层级空间模型（INLA-SPDE）相结合，在降低预测误差和偏差方面显著优于传统的逐步回归，从而能够获得更准确的小区域估计值以及校准良好的不确定性。

本研究验证了 SAF1 在各种模糊表示和多准则决策（MCDM）方法下作为排名第一的可持续航空燃料供应商的稳健性，同时强调尽管领先候选者保持一致，但完整的供应商排序存在变化，因此应将其视为进一步尽职调查的优先事项，而非自动选择。

本文通过使用机会校正统计学对 Fitzpatrick-17k 数据集进行重新分析，旨在证明标注来源之间的标签一致性高度依赖于所选指标和肤色分层，揭示了显著的差异——尤其是在较深肤色方面——这使得在皮肤科人工智能研究中透明地报告方法论和各分层置信区间变得至关重要。

本研究提出并验证了一种反馈门控常微分方程模型，该模型利用早期的点赞保存和评论分享交互来准确预测推荐驱动型短视频的长期扩散轨迹和爆发潜力，从而为创作者提供一种用于战略决策的可解释工具。

本研究成功地针对埃塞俄比亚说西达穆语（Sidaamu Afoo）的女性群体，对家庭用水不安全体验（HWISE）量表进行了文化适应性调整和心理测量学验证，并通过 Horns 平行分析及其他统计方法，证明了其单维结构、高信度和强效度。

本文引入了 Copula 广义置信推断（CGFI），这是一种通过高斯 Copula 对经验方程进行随机反转，从而为估计方程模型构建置信分布的无似然框架，在无需完整似然规范或先验分布的情况下提供准确的不确定性量化。

本研究利用1960年至2024年的历史数据，对六种时间序列模型进行了比较以预测索马里的城市人口，确定TBATS和ARIMA为稳健的预测工具，并预测城市人口将增长一倍以上，到2050年达到2220万，从而强调了进行前瞻性城市规划的紧迫性。