MétaCan
Menu
Retour à la cohorte
Enregistrement W4206460667 · doi:10.1111/sjos.12573

Uniform convergence rates for nonparametric estimators smoothed by the beta kernel

2022· article· en· W4206460667 sur OpenAlexaff
Masayuki Hirukawa, Irina Murtazashvili, Artem Prokhorov

Notice bibliographique

RevueScandinavian Journal of Statistics · 2022
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods and Inference
Établissements canadiensUniversité de Montréal
Organismes subventionnairesJapan Society for the Promotion of ScienceRussian Science Foundation
Mots-clésMathematicsEstimatorKernel (algebra)Kernel smootherKernel density estimationSmoothingConsistency (knowledge bases)Nonparametric regressionNonparametric statisticsApplied mathematicsUniform convergenceVariable kernel density estimationRate of convergenceKernel regressionSemiparametric regressionConvergence (economics)Density estimationKernel methodStatisticsComputer scienceCombinatoricsDiscrete mathematics

Résumé

récupéré en direct d'OpenAlex

Abstract This paper provides a set of uniform consistency results with rates for nonparametric density and regression estimators smoothed by the beta kernel having support on the unit interval. Weak and strong uniform convergence is explored on the basis of expanding compact sets and general sequences of smoothing parameters. The results in this paper are useful for asymptotic analysis of two‐step semiparametric estimation using a first‐step kernel estimate as a plug‐in. We provide simulations and a real data example illustrating attractive properties of the estimators.

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)0,067
score de la tête « metaresearch » (Gemma)0,261
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: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,355

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0670,261
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,005
Communication savante0,0030,006
Science ouverte0,0030,005
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,065
Tête enseignante GPT0,372
Écart entre enseignants0,307 · 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

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScandinavian Journal of StatisticsMême sujetStatistical Methods and InferenceTravaux en français237 207