MétaCan
Menu
Retour à la cohorte
Enregistrement W2766833676 · doi:10.1080/01966324.2017.1383218

Tests for Scale Parameter of Skew Log Laplace Distribution

2017· article· en· W2766833676 sur OpenAlexfundno aff
V. U. Dixit, Pradnya P. Khandeparkar

Notice bibliographique

RevueAmerican Journal of Mathematical and Management Sciences · 2017
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Distribution Estimation and Applications
Établissements canadiensnon disponible
Organismes subventionnairesRyerson University
Mots-clésScale parameterLaplace transformMathematicsSkewWald testShape parameterLaplace distributionScale (ratio)Sequential probability ratio testLocation parameterEstimation theoryLaplace's methodMaximum likelihoodApplied mathematicsDistribution (mathematics)StatisticsLikelihood-ratio testProbability distributionMathematical analysisStatistical hypothesis testingComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

SYNOPTIC ABSTRACTKozubowski and Podgorski (2003 Kozubowski, T. J., & Podgorski, K. (2003). Log-Laplace distributions. International Mathematical Journal, 3, 467–495. [Google Scholar]) have discussed properties, characterizations, and estimation of parameters of skew log Laplace distribution (SLLD). In this article, classical optimum tests for scale parameter of SLLD are derived. The most powerful (MP) test is obtained for scale parameter when shape parameters are known. Wald’s sequential probability ratio test (SPRT) is obtained, and its properties are studied. The likelihood ratio tests (LRT) for scale parameter are derived when the shape parameters are known and unknown. Finally, the SPRT and LRT are illustrated to the real life data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,689
Score d'incertitude au seuil0,443

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,402
Écart entre enseignants0,323 · 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 tête enseignante, 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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Mathematical and Management SciencesMême sujetStatistical Distribution Estimation and ApplicationsTravaux en français237 207