MétaCan
Menu
Retour à la cohorte
Enregistrement W2151546864 · doi:10.1109/tr.2006.874927

On<tex>$q$</tex>-Logistic and Related Models

2006· article· en· W2151546864 sur OpenAlexaff
A. M. Mathai, Serge B. Provost

Notice bibliographique

RevueIEEE Transactions on Reliability · 2006
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Distribution Estimation and Applications
Établissements canadiensWestern UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésWeibull distributionMathematicsType (biology)Generalized beta distributionDirichlet distributionBeta distributionLogistic distributionUnivariateApplied mathematicsStatisticsLog-logistic distributionBETA (programming language)Distribution (mathematics)CumulantStatistical physicsProbability distributionLogistic regressionMathematical analysisComputer scienceDistribution fittingPhysicsMultivariate statistics

Résumé

récupéré en direct d'OpenAlex

Numerous types of asymmetrical distributions such as the logistic, Weibull, gamma, and beta distributions have been used for modeling various random phenomena such as those encountered in data engineering, pattern recognition, and reliability assessment studies. Several generalizations of the logistic distribution, and certain related models, are proposed in this paper. The corresponding density functions involve an additional parameter, denoted by q, which allows for increased flexibility for modeling purposes; in fact, the larger this parameter is, the lower the mode of the resulting distribution will be. Generalizations of the type-1 and type-2 beta distributions are introduced, along with their logistic-type counterparts; the moments and cumulants of the latter are also derived. Other extensions are discussed including a q-analog of the generalized type-2 beta model, a q-extended generalized logistic distribution, and q-analogs of generalizations of the Dirichlet distribution. As is shown graphically, the proposed univariate distributions can generate a wide array of unimodal or symmetric bimodal curves.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,088
Score d'incertitude au seuil0,293

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0880,028

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 Opus0,043
Tête enseignante GPT0,312
Écart entre enseignants0,269 · 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

Citations16
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on ReliabilityMême sujetStatistical Distribution Estimation and ApplicationsTravaux en français237 207