MétaCan
Menu
Retour à la cohorte
Enregistrement W4387220654 · doi:10.5539/ijsp.v12n5p12

Delta Method Confidence Intervals for Linear Regression Processes With Long-memory Disturbances

2023· article· en· W4387220654 sur OpenAlexvenueno aff
Mosisa Aga

Notice bibliographique

RevueInternational Journal of Statistics and Probability · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematicsStatisticsEstimatorLinear regressionApplied mathematicsConfidence and prediction bandsIndependent and identically distributed random variablesConfidence intervalRandom variable

Résumé

récupéré en direct d'OpenAlex

This paper provides third and fourth-order coverage probability errors of delta method confidence intervals (CIs) for the covariance parameters of a time series generated by a linear regression model with strongly dependent errors. The CIs are based on the plug-in maximum likelihood (PML) estimators. Bounds have been established on the coverage probability errors of one-and two-sided delta method CIs based on the plug-in log-likelihood (PLL) function under some sets of conditions on the regression coefficients, the spectral density function, and the parameter values. It is shown that the the fourth order delta method CIs in the case of linear regression model with Gaussian, stationary and strongly dependent errors have coverage probability errors of O(n^-1) and that of the third-order has errors of O(n^-1/2) which is the same order of magnitude asymptotically as in the independent and identically distributed (iid) case.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,909
Score d'incertitude au seuil0,240

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,313
Écart entre enseignants0,293 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Statistics and ProbabilityMême sujetFault Detection and Control SystemsTravaux en français237 207