Notice bibliographique
Résumé
Dados positivos multivariados aparecem com frequncia em diversas reas de estudo. A transformao de Box-Cox multivariada uma metodologia habitualmente utilizada para modelar esse tipo de dados. Essa abordagem apresenta algumas desvantagens, como por exemplo a falta de interpretao dos parmetros em termos de caractersticas do vetor de variveis originais. Neste trabalho estudamos a classe de distribuies Box-Cox elpticas, que uma alternativa para a modelagem de dados positivos multivariados atravs da transformao de Box-Cox multivariada. Definimos essa classe atravs de uma extenso da transformao de Box-Cox multivariada, e envolvendo uma nova classe de distribuies que denominamos de classe de distribuies elpticas truncadas, que tambm estudamos neste trabalho. A classe de distribuies Box-Cox elpticas tem como casos particulares as classes de distribuies log-elpticas e Box-Cox simtricas. Os parmetros que conformam esta nova classe so interpretveis em termos de caractersticas do vetor de variveis originais, o que permite modelar dados positivos multivariados, marginalmente assimtricos e com presena de observaes discrepantes. Alm disso, alguns parmetros esto relacionados a quantis das distribuies marginais, tornando esta classe atrativa para modelagem de regresso. Para abordar o problema de estimao dos parmetros propomos o mtodo de mxima verossimilhana. Estudamos aspectos tericos e computacionais associados a essa metodologia, cuja adequao verificada por meio de estudos de simulao. Posteriormente, desenvolvemos modelos de regresso lineares Box-Cox elpticos, que tm como casos particulares os modelos de regresso lineares log-elpticos e Box-Cox simtricos, que, por sua vez, tambm constituem uma nova contribuio literatura estatstica. Descrevemos o mtodo de mxima verossimilhana aplicado a estes modelos e propomos mtodos de diagnstico para avaliar ajustes dos modelos de regresso lineares log-normal e log-t multivariados. Apresentamos aplicaes das distribuies Box-Cox elpticas e dos modelos
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».