Inferences Under a Stochastic Ordering Constraint
Notice bibliographique
Résumé
If X1 and X2 are random variables with distribution functions F1 and F2, then X1 is said to be stochastically larger than X2 if F1 ≤F2. Statistical inferences under stochastic ordering for the two-sample case has a long and rich history. In this article we consider the k-sample case; that is, we have k populations with distribution functions F1, F2, … , Fk,k ≥ 2, and we assume that F1 ≤ F2 ≤ ˙˙˙ ≤ Fk. For k = 2, the nonparametric maximum likelihood estimators of F1 and F2 under this order restriction have been known for a long time; their asymptotic distributions have been derived only recently. These results have very complicated forms and are hard to deal with when making statistical inferences. We provide simple estimators when k ≥ 2. These are strongly uniformly consistent, and their asymptotic distributions have simple forms. If and are the empirical and our restricted estimators of Fi, then we show that, asymptotically, for all x and all u > 0, with strict inequality in some cases. This clearly shows a uniform improvement of the restricted estimator over the unrestricted one. We consider simultaneous confidence bands and a test of hypothesis of homogeneity against the stochastic ordering of the k distributions. The results have also been extended to the case of censored observations. Examples of application to real life data are provided.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,164 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».