MétaCan
Menu
Retour à la cohorte
Enregistrement W2021096350 · doi:10.5539/ijsp.v4n2p73

Comparison of Two Means of Two Log-Normal Distributions When Data is Singly Censored

2015· article· en· W2021096350 sur OpenAlexvenueno aff
Abou El-Makarim Aboueissa

Notice bibliographique

RevueInternational Journal of Statistics and Probability · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueBayesian Methods and Mixture Models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematicsStatisticsLimit (mathematics)Test (biology)Chi-square testNormal distributionLog-normal distributionApplied mathematicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

It is common in environmental and biomedical data analysis to dealwith censored data that are log-normally distributed. This paperis concerned with the statistical analysis for comparing the meansof two independent log-normal distributions from censored datawith a single detection limit. The method of maximum likelihoodwill be used to obtain closed form estimates for populationparameters under different hypotheses. A test procedure forcomparing the means of two independent log-normal populations inthe presence of censored data is also introduced and evaluated.Asymptotic chi-square test is used in the proposed test procedure.Worked example is given illustrating the use of the methodsprovided utilizing a computer program written in the R language.A simulation study was performed to examine the power of the proposed test procedure introduced in this article.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,428
Score d'incertitude au seuil0,309

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,101
Tête enseignante GPT0,396
Écart entre enseignants0,295 · 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.

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

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Statistics and ProbabilityMême sujetBayesian Methods and Mixture ModelsTravaux en français237 207