EM-Based Likelihood Inference for Some Lifetime Distributions Based on Left Truncated and Right Censored Data and Associated Model Discrimination
Notice bibliographique
Résumé
First of all, we express our sincere thanks to Drs. Laurent Bordes of Universite de Pau et des Pays de l'Adour and Didier Chauveau of Universite d'Orleans, Dr. Isha Dewan of Indian Statistical Institute at New Delhi, Drs. Hon Keung Tony Ng of Southern Methodist University and Zhisheng Ye of Hong Kong Polytechnic University, Drs. Yili Hong and Caleb King of Virginia Tech, Drs. Iain L. MacDonald and Brendon M. Lapham of University of Cape Town, Dr. Tertius de Wet of Stellenbosch University, and Dr. Hideki Nagatsuka of Chuo University for writing insightful discussions on our invited paper. Their valuable discussions certainly further the topic of discussion of our paper by providing some additional insight into the topic and also by adding some more directions of future research in the analysis of left truncated and right censored data. Drs. Ng and Ye and Drs. Bordes and Chauveau have discussed the stochastic-EM algorithm in the context considered in our paper. While Drs. Bordes and Chauveau have discussed the stochastic-EM algorithm for the case of Weibull lifetime distribution, Drs. Ng and Ye have developed the stochastic-EM algorithm for the generalized gamma distribution, both under left truncated and right censored data. In both these discussions, the stochastic-EM algorithm has been explained clearly, and the specific steps for Weibull and generalized gamma distributions have been developed in a careful and comprehensive manner. For the Weibull distribution, it is seen that the results obtained by Drs. Bordes and Chauveau are quite close to those obtained by us. However, for the generalized gamma distribution with left truncation and right censoring, Drs. Ng and Ye have pointed out that the EM algorithm may converge to a local maxima. In this case, the stochastic-EM algorithm clearly provides a better alternative, as it avoids getting trapped into any saddle point. Our special thanks go to Drs. Ng and Ye for pointing out this issue with the EM algorithm for left truncated and right censored data from the generalized gamma distribution.
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 | 0,015 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».