圖書信息
內容簡介
對 arXiv stat.AP 分類的年度綜述，涵蓋 2025 年 9 月 至 2026 年 8 月 期間發表的研究。本卷基於對 132 篇論文 的細讀整理，組織為 37 章，按該領域的研究子方向描繪這一年的全貌。
全書框架（年度產出佔比）：
- 流行病學與市場的貝葉斯時空建模 (58.8%) — 應用貝葉斯分層模型與馬爾可夫鏈蒙特卡洛，量化疾病傳播與市場估值的時空動態不確定性。
- 複雜環境與金融系統中的穩健模式檢測 (13.5%) — 聚焦監測與檢測來自環境、金融與社會領域高維數據集中的異常或結構變化。
- 應用科學中的因果推斷與統計估計 (11.8%) — 發展在物理學、醫學與經濟學觀察數據中估計處理效應與因果參數的方法。
- 動態風險評估與自適應機器學習 (6.1%) — 利用動態建模與機器學習評估風險並優化應對，應用於醫療與自動駕駛等演化系統。
- 健康與環境中的多元時間序列與生存分析 (3.5%) — 運用先進隨機過程分析健康、環境與天文時間序列數據中的時間依賴與生存率。
- 臨床試驗設計與真實世界證據方法 (2.6%) — 應對臨床試驗設計與分析中的挑戰，包括數字孿生與在線實驗，以提升現實世界適用性。
- 大語言模型的評估與魯棒性 (1.4%) — 研究評估大語言模型性能、魯棒性及其融入科學與數據擬合工作流的方法。
- 政策評估與公共衛生干預分析 (1.3%) — 運用因果推斷與可解釋 AI 評估公共衛生與社會政策的影響，以應對社會挑戰。
- 體育分析與專業領域的概率建模 (0.5%) — 應用概率策略與分佈建模，分析體育、土壤健康與專業統計檢驗中的結果。
- 應用情境下的統計檢驗與測量效度 (0.3%) — 聚焦在 AI 與醫學等多元應用場景中，發展並完善統計檢驗與測量效度標準。
- 複雜交互與信息系統的統計洞見 (0.2%) — 為理解複雜交互並優化市場與生物情境中的信息系統提供統計框架。
每個子方向均通過三章展開論述——它如何提出自己的問題、其關鍵結論的強度，以及它開放的爭論與前沿，從而讓讀者獲得該領域今年實際產出的可溯源圖景。
