Comparison between the Functional Mean and the Deepest Curve in Biomechanical Curves
Notice bibliographique
Résumé
Functional Data Analysis (FDA) is a branch of statistics that extends the concepts of classical statistics to functions.However, as with classical statistics, where sometimes the mean of a data set is not very representative, the functional mean may not be always the best option in FDA.This is because if the curves are not similar or aligned, this mean may not be very representative.Therefore, the concept of the deepest curve, similar to a functional median, is proposed in this submission.So, we want to reflect on the convenience of using a functional mean or the deepest curve and on which occasions it may be more acceptable to use one versus the other.The analysis is done on a set of data from Biomechanics, where in the literature reviewed, no works have been found that previously discuss this issue.A database of 56 subjects is used to measure the three components of the ground reaction force.Each subject performs six repetitions, so the mean and the deepest curve of these repetitions will be calculated to obtain a representative curve for each subject.Then, starting from these curves, the mean and deepest curves of the entire sample are calculated.In this way, they can be compared visually to find differences.Also, some characteristic values of the curves are calculated for each subject, and a paired t-test is performed to analyze whether there are significant differences between the mean and the deepest curve.This submission concludes that if the subsequent statistical analysis only considers values as maximum or minimum, the use of the mean or the deepest curve is analogous.However, if the entire curve is going to be used, as in FDA, then the deepest curve may be more advisable, especially if the curves present much variability.
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 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».