MétaCan
Menu
Retour à la cohorte
Enregistrement W4240873552 · doi:10.1002/9781119516651.ch6

Distribution of Functions of Random Variables

2020· other· en· W4240873552 sur OpenAlexaff
Bhisham C. Gupta, Irwin Guttman, Kalanka P. Jayalath

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineDecision Sciences
ThématiqueProbability and Risk Models
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMoment-generating functionMathematicsSum of normally distributed random variablesMarginal distributionRandom variableJoint probability distributionCumulative distribution functionRandom functionAlgebra of random variablesRandom elementProbability-generating functionMultivariate random variableConditional probability distributionProbability density functionMoment (physics)Central momentMixture distributionConvergence of random variablesCharacteristic function (probability theory)Random variateStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

This chapter focuses on the distributions of functions of random variables. It also focuses on the joint distribution functions of two or more discrete and continuous random variables. The chapter explores the concept of marginal and conditional probability distributions. It analyses the moment-generating functions of functions of two or more random variables. The chapter deals with linear functions of two or even more independent random variables. It describes the correlation between two random variables. The notions of the probability function of a pair of discrete random variables and the probability density function of a pair of continuous random variables extend without special difficulties to sets of three or more random variables. The moment-generating function has an important property that is if two random variables X and Y have the same moment-generating function, then their cumulative distribution functions are identical.

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)0,005
score de la tête « metaresearch » (Gemma)0,018
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,004
Communication savante0,0050,005
Science ouverte0,0020,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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 Opus0,080
Tête enseignante GPT0,332
Écart entre enseignants0,251 · 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
GenreAutre

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 sujetProbability and Risk ModelsTravaux en français237 207