MétaCan
Menu
Retour à la cohorte
Enregistrement W3111696285 · doi:10.5802/ahl.170

On the boundary classification of $\Lambda$-Wright-Fisher processes with frequency-dependent selection

2020· preprint· en· W3111696285 sur OpenAlexaff
Clément Foucart, Xiaowen Zhou

Notice bibliographique

RevuearXiv (Cornell University) · 2020
Typepreprint
Langueen
DomaineMathematics
ThématiqueStochastic processes and statistical mechanics
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésBoundary (topology)MathematicsLambdaPopulationLebesgue measureMathematical analysisCombinatoricsPhysicsLebesgue integrationQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

We construct extensions of the pure-jump $\Lambda$-Wright-Fisher processes with frequency-dependent selection ($\Lambda$-WF processes with selection) beyond their first passage time at the boundary $1$. We show that they satisfy some duality relationships with the block counting process of simple exchangeable fragmentation-coalescence processes (EFC). One-to-one correspondences between the nature of the boundary $1$ of the $\Lambda$-WF process with selection and the boundary $\infty$ of the block counting process are established. New properties for the $\Lambda$-WF processes with selection and the block counting processes of the simple EFC processes are deduced from these correspondences. Some conditions are provided for the selection to be either weak enough for boundary $1$ to be an exit boundary or strong enough for $1$ to be an entrance boundary. When the measure $\Lambda$ and the selection mechanism satisfy some regular variation properties, conditions are found in order that the extended $\Lambda$-WF process with selection makes excursions out from the boundary $1$ before getting absorbed at $0$. In the latter process, $1$ is a transient regular reflecting boundary. This corresponds to a new phenomenon for the deleterious allele which can spread into the population in a set of times of zero Lebesgue measure, before vanishing in finite time almost surely.

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 enseignants0,903
Score d'incertitude au seuil0,912

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
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 Opus0,140
Tête enseignante GPT0,228
Écart entre enseignants0,087 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetStochastic processes and statistical mechanicsTravaux en français237 207