MétaCan
Menu
Retour à la cohorte
Enregistrement W3033173638 · doi:10.1002/cpa.21918

On <scp>Heavy‐Tail</scp> Phenomena in Some <scp>Large‐Deviations</scp> Problems

2020· article· en· W3033173638 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCommunications on Pure and Applied Mathematics · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueRandom Matrices and Applications
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésLarge deviations theoryMathematicsMeasure (data warehouse)Eigenvalues and eigenvectorsRate functionSpace (punctuation)GaussianProbability measureMetric (unit)Statistical physicsPure mathematicsMathematical analysisPhysicsQuantum mechanicsStatisticsComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract We revisit the proof of the large‐deviations principle of Wiener chaoses partially given by Borell and then by Ledoux in its full form. We show that some heavy‐tail phenomena observed in large deviations can be explained by the same mechanism as for the Wiener chaoses, meaning that the deviations are created, in a sense, by translations. More precisely, we prove a general large‐deviations principle for a certain class of functionals , where is some metric space, under the n ‐fold probability measure , where α ∈ (0, 2] , for which the large deviations are due to translations. We retrieve, as an application, the large‐deviations principles known for the Wigner matrices without Gaussian tails, in works by Bordenave and Caputo on one hand, and the author on the other hand, of the empirical spectral measure, the largest eigenvalue, and traces of polynomials. We also apply our large‐deviations result to the last‐passage time, which yields a large‐deviations principle when the weights follow the law , with α ∈ (0, 1) . © 2020 Wiley Periodicals LLC

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,484
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,052
Tête enseignante GPT0,288
Écart entre enseignants0,237 · 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