MétaCan
Menu
Retour à la cohorte
Enregistrement W4214653594 · doi:10.1080/03610926.2022.2045022

On distributions of covariance structures

2022· article· en· W4214653594 sur OpenAlexaff
A. M. Mathai, Nicy Sebastian

Notice bibliographique

RevueCommunication in Statistics- Theory and Methods · 2022
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical and numerical algorithms
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCovarianceMathematicsLaw of total covarianceLaplace transformScalar (mathematics)Covariance matrixBilinear interpolationGaussianMultivariate normal distributionCovariance functionMathematical analysisApplied mathematicsPhysicsStatisticsQuantum mechanicsCovariance intersectionGeometry

Résumé

récupéré en direct d'OpenAlex

The derivation of the sample covariance is difficult compared to that of the distribution of the sample correlation coefficient. This paper deals with the distributions of covariance structures appearing in real scalar/vector/matrix variables. Covariance structure is a bilinear structure. Consider a bilinear form u=X′AY where X and Y are p×1 and q×1 real vectors and A is a constant p × q matrix. The basic aim in this paper is to derive the distribution of such a structure when the components are scalar/vector/matrix Gaussian variables. The procedure used is to examine the Laplace transform or the moment generating function (mgf) coming from such a bilinear form in real scalar/vector/matrix variables. Covariance structures in several situations are shown to produce a mgf of the type (1−λ2t2)−α,λ>0,α>0,−1λ<R(t)<1λ where t is the mgf parameter, R(·) means the real part of (·), and λ and α are real scalar parameters. Explicit evaluation of the density of u is considered when α is a positive integer as well as for a general α. It is shown that the exact densities can be written as linear functions of double gamma densities and double exponential or Laplace densities when α is a positive integer. For the general value of α, it is shown that the exact density can be written in terms of double Mittag-Leffler or a double confluent hypergeometric function.

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)0,016
score de la tête « metaresearch » (Gemma)0,069
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 enseignants0,016
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,069
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,003
Études des sciences et des technologies0,0020,009
Communication savante0,0050,010
Science ouverte0,0030,004
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,455
Écart entre enseignants0,390 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunication in Statistics- Theory and MethodsMême sujetStatistical and numerical algorithmsTravaux en français237 207