The New Bivariate Conway-Maxwell-Poisson Distribution Obtained by the Crossing Method
Notice bibliographique
Résumé
Kimberly et al. had proposed in 2016 a bivariate function as a bivariate Conway-Maxwell-Poisson distribution (COM-Poisson) using the generalized bivariate Poisson distribution and the probability generating functions of the follow distributions: bivariate bernoulli, bivariate Poisson, bivariate geometric and bivariate binomial. By examining this paper we have shown that this bivariate function is constant and it double series is divergent, when it should have been 1. To overcome this deadlock, we propose a new bivariate Conway-Maxwell-Poisson distribution which is definetely a probability distribution based on the crossing method, method highlighted by Elion et al. in 2016 and revisited by Batsindila et al. and Mandangui et al. in 2019. And this is the purpose of this paper. To this bivariate distribution is attached two generalized linear models (GLM) whose resolution allows us to highlight, not only the independence between the variables forming the couple, but also the effect of the factors (or predictors) on these variables. The resulting correlation is negative, zero or positive depending on the values of a parameter; in particular for the bivariate Poisson distribution according to Berkhout and Plug. A simulation of data will be given at the end of the article to illustrate 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.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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.
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 ».