Goodness-of-Fit Tests and Model Validity
Notice bibliographique
Résumé
Preface Contributors List of Tables List of Figures ---------------------- Part I. History and Fundamentals Karl Pearson and the Chi-Squared Test / D.R. Cox Karl Pearson Chi-Square Test-The Dawn of Statistical Inference / C.R. Rao Approximate Models / P.J. Huber -------------------- Part II. Chi-Squared Test Partitioning the Pearson-Fisher Chi-Squared Goodness-of-Fit Statistic / G.D. Rayner Statistical Tests for Normal Family in Presence of Outlying Observations / A. Zerbet Chi-Squared Test for the Law of Annual Death Rates: Case with Censure for Life Insurance Files / L. Gerville-Reache ------------------------ Part III. Goodness-of-Fit Tests for Parametric Distributions Shapiro-Wilk Type Goodness-of-Fit Tests for Normality: Asymptotics Revisited / P. Kumar A Test for Exponentiality Based on Spacings for Progressively Type II Censored Data / N. Balakrishnan, H.K.T. Ng, and N. Kannan Goodness-of- Fit Statistics for the Exponential Distribution When the Data are Grouped / S. Gulati and J. Neus Characterization Theorems and Goodness-of-Fit Tests / C.E. Marchetti and G.S. Mudholkar Goodness-of-Fit Tests Based on Record Data and Generalized Ranked Set Data / B.C. Arnold, R.J. Beaver, E. Castillo, and J.M. Sarabia ------------------------------- Part IV. Regression and Goodness-of-Fit Tests Gibbs Regression and a Test of Goodness-of-Fit / L. Seymour A CLT for the L_2 Norm of the Regression Estimators Under alpha-Mixing: Application to G-O-F Tests / C.A.T. Diack Testing theGoodness-of-Fit of a Linear Model in Nonparametric Regression / Z. Mohdeb and A. Mokkadem A New Test of Linear Hypothesis in Regression / Y. Baraud, S. Huet, and B. Laurent ------------------------------------- Part V. Goodness-of-Fit Tests in Survival Analysis and Reliability Inference in Extensions of the Cox Model for Heterogeneous Populations / O. Pons Assumptions of a Latent Survival Model / M.-L. Ting Lee and G.A. Whitmore Goodness-of-Fit Testing of the Cox Proportional Hazards Model / K. Devarajan and N. Ebrahimi A New Family of Multivariate Distributions for Survival Data / S.T. Gross and C. Huber-Carol Discrimination Index, the Area Under to ROC Curve / B.-H. Nam and R. B. D'Agostino Goodness-of-Fit Tests for Accelerated Life Models / V. Bagdonavicius and M.S. Nikulin ------------------------------ Part VI. Graphic Methods and General Goodness-of-Fit Tests Two Nonstandard Examples of the Classical Stratification Approach to Graphically Assessing Proportionality of Hazards / N. Keiding Association in Contingency Tables, Correspondence Analysis, and (Modified) Andrews Plots / R. Khattree and D.N. Naik Orthogonal Expansions and Distinction Between Logistic and Normal / C.M. Cuadras and D. Cuadras Functional Tests of Fit / D. Bosq Quasi Most Powerful Invariant Tests of Goodness-of-Fit --------------------------------- Part VII. Model Validity in Quality of Life Test of Monotonicity for the Rasch Model J. Bretagnolle Validation of Model Assumptions in Quality of Life Measurements / A. Hamon, J.F. Dupuy, and M. Mesbah  
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 | 0,082 | 0,549 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,013 | 0,014 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 0,010 |
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 ».