283 篇论文
本文提出了一种结合了全局规范锚定转换CES函数与确定性等值预筛选机制的统一方法论框架，旨在解决非补偿性综合指标中的计算域坍塌问题并防止“认识论屏蔽陷阱”，从而实现准确的纵向数据质量审计，同时明确警告不要将该惩罚性指数用于横截面资金分配。
本文引入了一个贝叶斯建模框架，该框架共同处理多源二元数据中的误分类误差和选择误差，并通过模拟和实证分析表明，虽然复合误差可以被稳健地识别，但将其准确分解为特定成分则需要有效的指标、辅助变量和信息先验。
本文通过引入能够克服现有方法在处理单个测试对象及对数据组成敏感性方面局限性的基于数据和基于模型的稳定性度量，提出了一个用于量化非确定性预测模型在度量、分类及定序结果上稳定性的通用框架。
本研究利用 GPS 数据和基于机器学习衍生的特征，开发了一个针对悉尼的序列化基于行程（tour-based）的模式选择框架，证明了混合 Logit 模型能显著提高对相互依赖的行程组成部分的预测能力，并且该框架对上游估计不确定性具有鲁棒性，从而验证了将模拟输入用于实际交通需求预测的可行性。
本研究表明，在信用违约预测任务中，XGBoost 内置的 `scale_pos_weight` 参数在召回率方面显著优于传统的 SMOTE 重采样技术，这凸显了处理类别不平衡的最佳策略取决于所使用的特定分类器，而非一种通用的重采样方法。
本文提出了一种利用正态性假设和标准误来构建包含 K 个总体真实排名联合置信区域的估计排名表的方法，旨在直观地传达排名不确定性并提供单个排名的边际置信集。
本文提出了临床风险加权评分（CRWS），这是一种通过解耦假阴性和假阳性惩罚以更好地反映临床优先级的新型指标，并通过对 MIMIC-IV 的分析证明，与传统的 F1 分数相比，该指标显著改变了模型的排名，并揭示了顶尖算法具有更大的临床优势。
本文提出了一个利用汇总统计量通过变异系数和对数尺度方差比来筛选偏度和异方差性的实用框架，使研究人员能够在传统正态性检验失效且标准 t 检验存在缺陷的小样本临床数据中，恢复有效且更具统计功效的参数推断。
本文介绍了 ，这是一种新型的、闭式且无参数的统计量，它在广泛的稀疏性和边际异质性范围内，实现了对列联表中独立性检验的精确大小校准和稳健功效，有效地统一并超越了诸如皮尔逊卡方检验和 Cressie-Read 统计量等现有方法，同时提供了一种无需置换或自助法即可实现的确定性解。
本文引入了广义矩变换柯西（GMTC）分布，这是一种灵活的重尾模型，通过引入一个用于控制尾部行为并确保有限矩值的形状参数，克服了经典柯西分布不存在矩值的局限性，同时对其性质、估计方法及实际应用进行了全面的分析。