MétaCan
Menu
Retour à la cohorte
Enregistrement W2969422181 · doi:10.1002/cjs.11520

A random‐effects model for clustered circular data

2019· article· en· W2969422181 sur OpenAlexafffundvenueabout
Louis‐Paul Rivest, Shogo Kato

Notice bibliographique

RevueCanadian Journal of Statistics · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueBayesian Methods and Mixture Models
Établissements canadiensUniversité Laval
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesJapan Society for the Promotion of ScienceNatural Sciences and Engineering Research Council of Canada
Mots-clésEstimatorStatisticsvon Mises distributionMathematicsCluster (spacecraft)Measure (data warehouse)Regression analysisRandom effects modelRegressionDistribution (mathematics)Maximum likelihoodvon Mises yield criterionComputer scienceEngineeringData miningMathematical analysisFinite element method

Résumé

récupéré en direct d'OpenAlex

Abstract This article considers a circular regression model for clustered data, where both the cluster effects and the regression errors have von Mises distributions. It involvesβ, a vector of parameters for the fixed effects, and two concentration parameters for the error distribution. A measure of intra‐cluster circular correlation and a predictor for an unobserved cluster random effect are studied. Preliminary estimators for the vectorβand the two concentration parameters are proposed, and their performance is compared with that of the maximum likelihood estimators in a simulation study. A numerical example investigating the factors impacting the orientation taken by a sand hopper when released is presented.The Canadian Journal of Statistics47: 712–728; 2019 © 2019 Statistical Society of Canada

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)0,032
score de la tête « metaresearch » (Gemma)0,065
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 enseignants0,032
Score d'incertitude au seuil0,169

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,065
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,003
Communication savante0,0030,003
Science ouverte0,0070,003
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,059
Tête enseignante GPT0,272
Écart entre enseignants0,213 · 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

Citations8
Publié2019
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of StatisticsMême sujetBayesian Methods and Mixture ModelsTravaux en français237 207