MétaCan
Menu
Retour à la cohorte
Enregistrement W2800743464 · doi:10.5539/ijsp.v7n3p72

A New Generalized Log-logistic and Modified Weibull Distribution with Applications

2018· article· en· W2800743464 sur OpenAlex
Broderick O. Oluyede, Huybrechts F. Bindele, Boikanyo Makubate, Shujiao Huang

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueInternational Journal of Statistics and Probability · 2018
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Distribution Estimation and Applications
Établissements canadiensnon disponible
Organismes subventionnairesBotswana International University of Science and Technology
Mots-clésMathematicsWeibull distributionLog-logistic distributionStatisticsLogistic distributionOrder statisticGeneralized beta distributionExponential distributionRayleigh distributionQuantile functionLog-Cauchy distributionQuantileExponential functionApplied mathematicsDistribution fittingMoment-generating functionLogistic regressionProbability density functionMathematical analysisInverse-chi-squared distribution

Résumé

récupéré en direct d'OpenAlex

A new generalized distribution called the {\em log-logistic modified Weibull} (LLoGMW) distribution is presented. This distribution includes many submodels such as the log-logistic modified Rayleigh, log-logistic modified exponential, log-logistic Weibull, log-logistic Rayleigh, log-logistic exponential, log-logistic, Weibull, Rayleigh and exponential distributions as special cases. Structural properties of the distribution including the hazard function, reverse hazard function, quantile function, probability weighted moments, moments, conditional moments, mean deviations, Bonferroni and Lorenz curves, distribution of order statistics, L-moments and R\'enyi entropy are derived. Model parameters are estimated based on the method of maximum likelihood. Finally, real data examples are presented to illustrate the usefulness and applicability of the model.

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.

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)0,001
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 enseignants0,626
Score d'incertitude au seuil0,368

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,063
Tête enseignante GPT0,362
Écart entre enseignants0,299 · 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