MétaCan
Menu
Retour à la cohorte
Enregistrement W1887758993 · doi:10.1002/9781118445112.stat04386.pub2

Random Number Generation and Quasi‐<scp>M</scp>onte<scp>C</scp>arlo

2015· other· en· W1887758993 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueWiley StatsRef: Statistics Reference Online · 2015
Typeother
Langueen
DomaineComputer Science
ThématiqueChaos-based Image/Signal Encryption
Établissements canadiensUniversité de MontréalComputer Research Institute of Montréal
Organismes subventionnairesCanada Research Chairs
Mots-clésRandom number generationRandom functionComputer scienceRealization (probability)Probabilistic logicRandom variableRandom graphPseudorandom number generatorRandom seedMonte Carlo methodRandom variateTheoretical computer scienceAlgorithmMathematicsStatisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Probability theory defines random variables and stochastic processes in terms of probability spaces, an abstract notion whose concrete and exact realization on a computer is far from obvious. (Pseudo) random number generator s ( RNG s) implemented on computers are actually deterministic programs that imitate, to some extent, independent random variables uniformly distributed over the interval (i.i.d. , for short). RNGs are a key ingredient for Monte Carlo simulations, probabilistic algorithms, computer games, cryptography, casino machines, and so on. In this article, we outline the main principles underlying the design and testing of RNGs for statistical computing and simulation. Then, we indicate how random numbers can be transformed to generate random variates from other distributions. Finally, we summarize the main ideas on quasi‐random points, which are more evenly distributed than independent random point and permit one to estimate integrals more accurately for the same number of function evaluations.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,299
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,042
Tête enseignante GPT0,299
Écart entre enseignants0,256 · 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