Bibliographic record
Abstract
Résumé L'identité de Gumbel établit l'égalité de la somme de Bonferroni Sk,n, k = 0, 1, 2, … , n et du moment binomial d'ordre k de la variable qui compte, dans un ensemble arbitraire de névénements, le nombre Mn d'événements se réalisant. Nous présentons un traitement unifié de bornes bien connues obtenues dans ce contexte par Bonferroni, Galambos‐Rényi, Dawson‐Sankoff et Chung‐Erdös, ainsi que de quelques bornes moins connues établies par Fréchet et Gumbel. Toutes font intervenir des sommes de Bonferroni. Notre démarche consiste à montrer que ces bornes apparaissent dans un cadre plus général comme les moments binomiaux d'une variable aléatoire à valeurs entières particulière. L'application de l'identité de Gumbel fournit alors la forme usuelle en termes de sommes de Bonferroni. Notre approche simplifie les preuves existantes, et permet d'étendre les résultats de Fréchet et Gumbel au cas de la probabilité pour qu'au moins t, 1 ≤t≤n des névénements considérés se réalisent. Une dernière conséquence de notre approche est l'amélioration d'une borne de Petrov qui elle‐même est la généralisation de la borne de Chung et Erdös.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.014 | 0.045 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.005 |
| Scholarly communication | 0.003 | 0.005 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".