MétaCan
Menu
Retour à la cohorte
Enregistrement W2767305150 · doi:10.5539/ijsp.v7n1p26

Accelerated Life Test Sampling Plans under Progressive Type II Interval Censoring with Random Removals

2017· article· en· W2767305150 sur OpenAlexvenueno aff
Siu‐Keung Tse, Chang Ding

Notice bibliographique

RevueInternational Journal of Statistics and Probability · 2017
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Distribution Estimation and Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésCensoring (clinical trials)MathematicsStatisticsAcceptance samplingMonte Carlo methodSampling (signal processing)Importance samplingVariance (accounting)Confidence intervalAccelerated life testingSample size determinationMathematical optimizationComputer scienceWeibull distribution

Résumé

récupéré en direct d'OpenAlex

This paper investigates the design of accelerated life test (ALT) sampling plans under progressive Type II interval censoring with random removals. For ALT sampling plans with two over-stress levels, the optimal stress levels and the allocation proportions to them are obtained by minimizing the asymptotic generalized variance of the maximum likelihood estimation of model parameters. The required sample size and the acceptability constant which satisfy given levels of producer’s risk and consumer’s risk are found. ALT sampling plans with three over-stress levels are also considered under some specific settings. The properties of the derived ALT sampling plans under different parameter values are investigated by a numerical study. Some interesting patterns, which can provide useful insight to practitioners in related areas, are found. The true acceptance probabilities are computed using a Monte Carlo simulation and the results show that the accuracy of the derived ALT sampling plans is satisfactory. A numerical example is also provided for illustrative purpose.

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)0,000
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,678
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,174
Tête enseignante GPT0,421
Écart entre enseignants0,247 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Statistics and ProbabilityMême sujetStatistical Distribution Estimation and ApplicationsTravaux en français237 207