A New Tangent-Generated Probabilistic Approach with Symmetrical and Asymmetrical Natures: Monte Carlo Simulation with Reliability Applications
Notice bibliographique
Résumé
It is proven evidently that probability distributions have a significant role in data modeling for decision-making. Due to the indispensable role of probability distributions for data modeling in applied fields, a series of probability distributions have been introduced and implemented. However, most newly developed probability distributions involve between one and eight additional parameters. Sometimes the additional parameters lead to re-parametrization problems. Therefore, the development of new probability distributions without additional parameters is an interesting research topic. In this paper, we study a new probabilistic method without incorporating any additional parameters. The proposed approach is based on a tangent function and may be called a new tangent-G (NT-G) family of distributions. Certain properties of the NT-G distributions are derived. Based on the NT-G method, a new flexible probability distribution called a new tangent flexible Weibull (NTF-Weibull) distribution is studied. The parameters of the NTF-Weibull distribution are estimated using seven different estimation methods. Based on these eight estimations, a brief simulation of the NTF-Weibull distribution is also provided. Finally, we prove the applicability of the NTF-Weibull distribution by analyzing two waiting-time data sets taken from the reliability sector. We consider three statistical tests with a p-value to evaluate the performance and goodness of fit of the NTF-Weibull distribution.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».