MétaCan
Menu
Retour à la cohorte
Enregistrement W2009825358 · doi:10.1145/2185395.2185411

On a discrete multi-variate phase-type distribution and its applications (abstract only)

2012· article· en· W2009825358 sur OpenAlexaff
Qi‐Ming He, Jiandong Ren

Notice bibliographique

RevueACM SIGMETRICS Performance Evaluation Review · 2012
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueProbability and Risk Models
Établissements canadiensWestern UniversityUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRandom variateType (biology)Distribution (mathematics)Discrete time and continuous timeComputer scienceEconometricsMathematicsProbability distributionStatisticsRandom variableMathematical analysis

Résumé

récupéré en direct d'OpenAlex

In the second part of this paper, we use the discrete MPH-distributions to model multi-variate insurance claim processes in risk analysis, where claims may arrive in batches, the arrivals of different types of batches may be correlated, and the amounts of different types of claims in a batch may be dependent. This provides one natural approach to model the dependencies among claim frequencies as well claim sizes of different types of risks, which is a very important topic in insurance risk theory. Under certain conditions, it is shown that the total amounts of claims accumulated in some random time horizon are discrete MPH random vectors. Matrixrepresentations of the discrete MPH-distributions are constructed explicitly. Efficient computational methods are developed for computing performance measures of the total claims of different types of claim batches and individual types of claims.

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 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)0,018
score de la tête « metaresearch » (Gemma)0,030
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,342
Tête enseignante GPT0,500
Écart entre enseignants0,158 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACM SIGMETRICS Performance Evaluation ReviewMême sujetProbability and Risk ModelsTravaux en français237 207