MétaCan
Menu
Retour à la cohorte
Enregistrement W1598185421

INFERENCE FOR A GAMMA STEP-STRESS MODEL UNDER CENSORING

2012· dissertation· en· W1598185421 sur OpenAlexfundno aff
Laila A. Alkhalfan

Notice bibliographique

RevueMacSphere (McMaster University) · 2012
Typedissertation
Langueen
DomaineMathematics
ThématiqueStatistical Distribution Estimation and Applications
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster University
Mots-clésCensoring (clinical trials)InferenceEconometricsComputer scienceArtificial intelligenceStatisticsMachine learningMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In reliability and life-testing experiments, one of the popular and commonly used strategies, that allows manufacturers and designers to identify, improve and control critical components, is called the Accelerated Life Test (ALT). The main idea of these tests is to investigate the product's reliability at higher than usual stress levels on test units to ensure earlier failure than what could result under the normal operating conditions. Stress can be induced by such factors as voltage, pressure, temperature, load or cycling rate. ALT are applied using different types of accelerations such as high usage rate in which the compressed time testing is done through speed or by reducing off times. Another type of acceleration is the product design where the life of a unit can be accelerated through its size or its geometry. Stress loading is another type of acceleration that is applied using constant stress, step-stress, progressive stress, cyclic stress or random stress. Here, we discuss the step-stress model, which applies stress to each unit and increases the stress at pre-specified times during the experiment allowing us to obtain information about the parameters of the life distribution more quickly than under normal operating conditions. In this thesis, we present the simple step-stress model (the situation in which there are only two stress levels) when the lifetimes at different stress levels follow the gamma distribution when the data are (Chapter 2) Type-II censored, (Chapter 3) Type-I censored, (Chapter 4) Progressively Type-II censored, and (Chapter 5) Progressively Type-I censored, as well as a multiple step-stress model under Type-I and Type-II censoring. The likelihood function is derived assuming a cumulative exposure model with gamma distributed lifetimes. The resulting likelihood equations do not have closed-form solutions, and so they need to be solved numerically. We then derive confidence intervals for the parameters using asymptotic normality of the maximum likelihood estimates and the parametric bootstrap method. In each case, the performances of the methods of inference developed here are examined by means of Monte Carlo simulation study and are also illustrated with some numerical examples.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,076
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,076
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,004
Communication savante0,0030,004
Science ouverte0,0050,002
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,077
Tête enseignante GPT0,323
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacSphere (McMaster University)Même sujetStatistical Distribution Estimation and ApplicationsTravaux en français237 207