Derivation of sample oriented quantile function using maximum entropy and self‐determined probability weighted moments
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.
Notice bibliographique
Résumé
Abstract The paper proposes a new distribution free method for deriving the quantile function of a non‐negative random variable using the principle of maximum entropy (MaxEnt) subject to constraints in terms of the self‐determined probability‐weighted moments estimated from observed sample data. The principle of MaxEnt constrained by probability weighted moments (PWMs) was utilized to estimate the quantile function. For correct estimation of a quantile function, outliers must be rationally considered in the analysis. However, conventional PWM was criticized for assigning non‐exceedance probabilities to sample points based on only their rank number in an ordered series rather than the magnitude of the points themselves, hereby being unable to satisfactorily accommodate outlier in a finite sample. The difficulty in obtaining accurate PWM estimates from samples has been the main impediment to the application of the MaxEnt Principle in extreme quantile estimation. This paper is an attempt to circumvent this difficulty by the use of self‐determined probability‐weighted moments, which are completely decided by the distribution itself and sample data's magnitude. By interpreting the SD‐PWM as moment of quantile function, the paper derives a more rigorous quantile function using MaxEnt principle, which is extraordinarily suitable for cases with small samples containing outliers. An efficient algorithm is presented to estimate the unknown parameters of this sample oriented MaxEnt QF. Comparative studies and numerical analysis are performed to assess the accuracy of the proposed QF estimation method. Copyright © 2009 John Wiley & Sons, Ltd.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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