MétaCan
Menu
Retour à la cohorte
Enregistrement W2980711080 · doi:10.5539/ijsp.v8n6p31

Partitioning Problems Arising From Independent Shifted-Geometric and Exponential Samples With Unequal Intensities

2019· article· en· W2980711080 sur OpenAlexvenueno aff
Thierry Huillet

Notice bibliographique

RevueInternational Journal of Statistics and Probability · 2019
Typearticle
Langueen
DomaineMathematics
ThématiqueStochastic processes and statistical mechanics
Établissements canadiensnon disponible
Organismes subventionnairesMuséum National d'Histoire NaturelleAgence Nationale de la Recherche
Mots-clésStarsExponential functionPopulationObservableInversePhysicsAstrophysicsStatistical physicsMathematicsEnergy (signal processing)Mathematical analysisGeometryQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Two problems dealing with the random skewed splitting of some population into J different types are considered. In a first discrete setup, the sizes of the sub-populations come from independent shifted-geometric with unequal characteristics. Various J → ∞ asymptotics of the induced occupancies are investigated: the total population size, the number of unfilled types, the index of consecutive filled types, the maximum number of individuals in some state and the index of the type(s) achieving this maximum. Equivalently, this problem is amenable to the classical one of assigning indistinguishable particles (Bosons) at J sites, in some random allocation problem. In a second parallel setup in the continuum, we consider a large population of say J ‘stars’, the intensities of which have independent exponential distributions with unequal inverse temperatures. Stars are being observed only if their intensities exceed some threshold value. Depending on the choice of the inverse temperatures, we investigate the energy partitioning among stars, the total energy emitted by the observed stars, the number of the observable stars and the energy and index of the star emitting the most.

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)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,377
Score d'incertitude au seuil0,411

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 Opus0,038
Tête enseignante GPT0,283
Écart entre enseignants0,244 · 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
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Statistics and ProbabilityMême sujetStochastic processes and statistical mechanicsTravaux en français237 207