图书信息
内容简介
对 arXiv stat.AP 分类的年度综述，涵盖 2025 年 9 月 至 2026 年 8 月 期间发表的研究。本卷基于对 132 篇论文 的细读整理，组织为 37 章，按该领域的研究子方向描绘这一年的全貌。
全书框架（年度产出占比）：
- 流行病学与市场的贝叶斯时空建模 (58.8%) — 应用贝叶斯分层模型与马尔可夫链蒙特卡洛，量化疾病传播与市场估值的时空动态不确定性。
- 复杂环境与金融系统中的稳健模式检测 (13.5%) — 聚焦监测与检测来自环境、金融与社会领域高维数据集中的异常或结构变化。
- 应用科学中的因果推断与统计估计 (11.8%) — 发展在物理学、医学与经济学观察数据中估计处理效应与因果参数的方法。
- 动态风险评估与自适应机器学习 (6.1%) — 利用动态建模与机器学习评估风险并优化应对，应用于医疗与自动驾驶等演化系统。
- 健康与环境中的多元时间序列与生存分析 (3.5%) — 运用先进随机过程分析健康、环境与天文时间序列数据中的时间依赖与生存率。
- 临床试验设计与真实世界证据方法 (2.6%) — 应对临床试验设计与分析中的挑战，包括数字孪生与在线实验，以提升现实世界适用性。
- 大语言模型的评估与鲁棒性 (1.4%) — 研究评估大语言模型性能、鲁棒性及其融入科学与数据拟合工作流的方法。
- 政策评估与公共卫生干预分析 (1.3%) — 运用因果推断与可解释 AI 评估公共卫生与社会政策的影响，以应对社会挑战。
- 体育分析与专业领域的概率建模 (0.5%) — 应用概率策略与分布建模，分析体育、土壤健康与专业统计检验中的结果。
- 应用情境下的统计检验与测量效度 (0.3%) — 聚焦在 AI 与医学等多元应用场景中，发展并完善统计检验与测量效度标准。
- 复杂交互与信息系统的统计洞见 (0.2%) — 为理解复杂交互并优化市场与生物情境中的信息系统提供统计框架。
每个子方向均通过三章展开论述——它如何提出自己的问题、其关键结论的强度，以及它开放的争论与前沿，从而让读者获得该领域今年实际产出的可溯源图景。
