MétaCan
Menu
Retour à la cohorte
Enregistrement W2013284920 · doi:10.1080/02331880212853

CONDITIONAL INFERENCE PROCEDURES FOR THE PARETO AND POWER FUNCTION DISTRIBUTIONS BASED ON TYPE-II RIGHT CENSORED SAMPLES

2002· article· en· W2013284920 sur OpenAlexafffund
Aaron Childs, N. Balakrishnan

Notice bibliographique

RevueStatistics · 2002
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Distribution Estimation and Applications
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMathematicsPareto distributionStatisticsInferencePareto principleConfidence intervalPareto interpolationScale parameterConditional probability distributionLomax distributionType (biology)Generalized Pareto distributionEconometricsExtreme value theoryComputer science

Résumé

récupéré en direct d'OpenAlex

In this paper we consider conditional inference procedures for the Pareto and power function distributions. We develop procedures for obtaining confidence intervals for the location and scale parameters as well as upper and lower n probability tolerance intervals for a proportion g, given a Type-II right censored sample from the corresponding distribution. The intervals are exact, and are obtained by conditioning on the observed values of the ancillary statistics. Since, for each distribution, the procedures assume that a shape parameter x is known, a sensitivity analysis is also carried out to see how the procedures are affected by changes in x.

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)0,036
score de la tête « metaresearch » (Gemma)0,184
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,191

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,184
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,004
Communication savante0,0030,006
Science ouverte0,0040,003
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,072
Tête enseignante GPT0,349
Écart entre enseignants0,277 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStatisticsMême sujetStatistical Distribution Estimation and ApplicationsTravaux en français237 207