The New Heavy‐Tailed Cosine‐Weibull Distribution: Properties, Simulation, Applications, and Regression Modeling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT The development of flexible probability distributions has become essential for accurately modelling real‐world data. In this study, we introduce a new three‐parameter lifetime model, the New Heavy‐Tailed Cosine‐Weibull (NHTCW) distribution, which extends the Cosine‐Weibull distribution using a heavy‐tailed framework. This extension enhances the model's capacity to capture skewness and tail behavior commonly observed in lifetime and survival data. We derive several statistical properties of the NHTCW distribution, including its ordinary and incomplete moments, quantile and generating functions, and order statistics. Maximum likelihood estimation (MLE) is used to estimate the model parameters, and a simulation study is conducted to evaluate the performance of the estimators in terms of accuracy and consistency. We propose a regression model based on the NHTCW distribution, making its first introduction in this context. The practical usefulness of the proposed distribution is demonstrated through three real‐data applications. Two data sets are related to COVID‐19 mortality rates in Italy and Canada, while the third is related to injury rate data. In all cases, the NHTCW model outperforms several existing distributions in terms of goodness‐of‐fit criteria, underscoring its flexibility and practical relevance.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle