Notice bibliographique
Résumé
In this paper we consider a discretely sampled Jacobi process appropriate to specify the dynamics of a process with range [0,1], such as a discount coefficient, a regime probability, or a state price. The discrete time transition of the Jacobi process does not admit a closed form expression and therefore the exact maximum likelihood is unfeasable. We first review different characterizations of the transition function based on nonlinear canonical decomposition, partial differential equations.. They allow for approximations of the log-likelihood function which can be used to define an approximated maximum likelihood estimator. The finite sample properties of this estimator are compared with the properties of Kessler and Sorensen’s estimator based on the eigenfunctions of the generator of the diffusion. But also simulation based estimators, such as generalized method of moments (GMM) estimator, simulated method of moments (SMM) estimator or indirect inference estimator are considered. Résumé Dans cet essai, nous considérons un processus de Jacobi échantillonné en temps discret permettant de spécifier la dynamique de processus à valeurs dans [0, 1], tels qu ’ un coéfficient d’actualisation, une probabilité de régime, ou un prix d’état. La fonction de transition en temps discret du processus de Jacobi n’admettant pas ∗ University of Toronto † Centre interuniversitaire de recherche en économie quantitative (CIREQ), Centre interuniversitaire de recherche en analyse des organisations (CIRANO), and Département de sciences
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,253 | 0,109 |
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 ».