Notice bibliographique
Résumé
Space limitations do not permit an introduction to all areas of characterizations. The interested reader can, however, find good collections of material on several other topics not mentioned here. Several characterizations of the Poisson process are given by Galambos and Kotz [(9)]. Discrete distributions* are discussed in Galambos [(7)] and in several other contributions in the Calgary Proceedings [(5)]. So-called stability theorems*, in which an assumption is modified “slightly” and one investigates the extent of the effect of this change on a characterization theorem, are surveyed by Lukács [(19)]. Among the multivariate cases, we mentioned the normal distribution. Characterizations for other multivariate distributions are not well developed. The only exceptions are the multivariate extreme-value distributions* (See Chap. 5 in Galambos [(8)]) and some multivariate exponential families* (see Chap. 5 in Galambos and Kotz [(9)]). In addition to the above-mentioned books by Lukács and Laha [(20)], Kagan et al. [(13)], Mathai and Pederzoli [(21)], Galambos [(8)], and Galambos and Kotz [(9)], the reader can find a large variety of results in the Calgary Proceedings [(5)]. Furthermore, a detailed survey of the literature is given by Kotz [(16)] as a supplement to Kagan et al. [(13)]. See also the four-volume set by Johnson and Kotz [(12)], where descriptions of distributions often contain characterization theorems. One of the basic tools of characterizations is the solution of functional equations*. The book by Aczél [(1)] is a useful reference for such results.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,000 |
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.
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 tête enseignante, 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 ».