System Stress-Strength Reliability: The Multivariate Case
Notice bibliographique
Résumé
Present day complex systems with dependence between their components require more advanced models to evaluate their reliability. We compute the reliability of a system consisting of two subsystems$S_{1}$, and$S_{2}$connected in series, where the reliability of each subsystem is of general stress-strength type, defined by$\Re_{1}=P({\bf A}^{T}{\bf X}>{\bf B}^{T}{\bf Y})$.${\bf A}$&${\bf B}$are column-constant vectors, and strength${\bf X}$& stress${\bf Y}$are multigamma random vectors, i.e.$({\bf X},{\bf Y})\sim MG({\mmb \alpha},{\mmb \beta})$, where${\mmb \alpha}$and${\mmb \beta}$are k-dimensional constant vectors. A Bayesian approach is adopted for$\Re_{2}=P({\bf B}^{T}{\bf W}\geq 0)$, where${\bf W}$is multinormal, i.e.${\bf W}\sim MN({\mmb \mu},{\bf T})$, with the mean vector${\mmb \mu}$, and the precision matrix${\bf T}$having a joint$s$-normal-Wishart prior distribution. Final computations are carried out by simulation, an approach which plays a major role in this article. The results obtained show that the approach adopted can deal effectively with the dependence between components of${\bf X}$&${\bf Y}$.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».