Minimum Hellinger distance estimation for a semiparametric location-shifted mixture model
Notice bibliographique
Résumé
In this article, we propose a minimum Hellinger distance estimation (MHDE) for a semiparametric two-component mixture model where the two components are unknown location-shifted symmetric distributions f(x−μ1) and f(x−μ2). In the construction of MHDE, an appropriate estimation of the unknown nuisance parameter f is required. We propose to use the inversion formula given in Bordes et al. to estimate f based on current available sample from the mixture. To obtain the MHDE, an algorithm is presented to ease the numerical calculation. We also propose a simple but intuitive and robust initial estimator of the parameters. To assess its performance, we carry out a simulation study with comparison with a minimum profile Hellinger distance estimator (MPHDE) given in Wu et al. We use the proposed estimator to analyse the Old Faithful Geyser data in order to demonstrate its application. Through the numerical studies, we observe that our proposed MHDE for this semiparametric mixture model inherits the desired robustness and efficiency properties of that for parametric models. The proposed MHDE is very competitive with the MPHDE when there is no data contamination, whereas it performs better than the MPHDE in terms of bias when data is contaminated with outliers. Moreover, the MHDE reduces significantly the computing time of the MPHDE.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».