MétaCan
Menu
Retour à la cohorte
Enregistrement W2522066320 · doi:10.2298/fil1705395c

The transmuted generalized modified Weibull distribution

2017· article· en· W2522066320 sur OpenAlexaffabout
Gaussm Cordeiro, Abdus Saboor, Muhammad Nauman Khan, Serge B. Provost

Notice bibliographique

RevueFilomat · 2017
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Distribution Estimation and Applications
Établissements canadiensWestern University
Organismes subventionnairesHigher Education Commision, PakistanConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésWeibull distributionMathematicsStatisticsApplied mathematicsGoodness of fitExponentiated Weibull distributionStatisticOrder statisticHazardStatistical physics

Résumé

récupéré en direct d'OpenAlex

Canada EM provost@stats.uwo.ca AU Ortega Edwinm M. AF Universidade de S?o Paulo, Departamento de Ci?ncias Exatas, Piracicaba, Brazil EM edwin@usp.br KW Generalized modifiedWeibull distribution % Goodness-of-fit statistic % Lifetime data % Transmuted family % Weibull distribution KR nema A profusion of new classes of distributions has recently proven useful to applied statisticians working in various areas of scientific investigation. Generalizing existing distributions by adding shape parameters leads to more flexible models. We define a new lifetime model called the transmuted generalized modified Weibull distribution from the family proposed by Aryal and Tsokos [1], which has a bathtub shaped hazard rate function. Some structural properties of the new model are investigated. The parameters of this distribution are estimated using the maximum likelihood approach. The proposed model turns out to be quite flexible for analyzing positive data. In fact, it can provide better fits than related distributions as measured by the Anderson-Darling (A*) and Cram?r-von Mises (W*) statistics, which is illustrated by applying it to two real data sets. It may serve as a viable alternative to other distributions for modeling positive data arising in several fields of science such as hydrology, biostatistics, meteorology and engineering.

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)0,004
score de la tête « metaresearch » (Gemma)0,028
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,028
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0030,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0400,014

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 Opus0,102
Tête enseignante GPT0,387
Écart entre enseignants0,285 · 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

Citations11
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFilomatMême sujetStatistical Distribution Estimation and ApplicationsTravaux en français237 207