Robustness Properties for Simulations of Highly Reliable Systems
Notice bibliographique
Résumé
Importance sampling (IS) is the primary technique for constructing reliable estimators in the context of rare-event simulation. The asymptotic robustness of IS estimators is often qualified by properties such as bounded relative error (BRE) and asymptotic optimality (AO). These properties guarantee that the estimator’s relative error remains bounded (or does not increase too fast) when the rare events becomes rarer. Other recently introduced characterizations of IS estimators are bounded normal approximation (BNA), bounded relative efficiency (BREff), and asymptotic good estimation of mean and variance. In this paper we introduce three additional property named bounded relative error of empirical variance (BREEV), bounded relative efficiency of empirical variance (BREffEV), and asymptotic optimality of empirical variance (AOEV), which state that the empirical variance has itself the BRE, BREff and AO property, respectively, as an estimator of the true variance. We then study the hierarchy between all these different characterizations for a model of highly-reliable Markovian systems (HRMS) where the goal is to estimate the failure probability of the system. In this setting, we show that BRE, BREff and AO are equivalent, that BREffEV, BREEV and AOEV are also equivalent, and that these two properties are strictly stronger than all other properties just mentioned. We also obtain a necessary and sufficient condition for BREEV in terms of quantities that can be readily verified from the parameters of the model.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».