¿Deberíamos ganar confianza por la similitud de resultados entre métodos?
Autores: Pernot, Pascal; Savin, Andreas
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
¿Deberíamos ganar confianza por la similitud de resultados entre métodos?
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Resultado
Cálculo
Verificación de validez
Enfoque estadístico
Similitud de resultados
Fiabilidad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 17
Citaciones: Sin citaciones
Confirmar el resultado de un cálculo mediante un cálculo con un método diferente se ve a menudo como una comprobación de validez. Sin embargo, cuando los métodos considerados están todos sujetos a los mismos errores (sistemáticos), esta práctica falla. Mediante un enfoque estadístico, definimos medidas para y , y exploramos hasta qué punto la similitud de resultados puede ayudar a mejorar nuestro juicio sobre la validez de los datos. Este método se ilustra en datos sintéticos y se aplica a dos conjuntos de datos de referencia extraídos de la literatura: brechas de bandas de sólidos estimadas por varias aproximaciones funcionales de la densidad, y energías efectivas de atomización estimadas por y métodos de aprendizaje automático. Dependiendo de los niveles de sesgo y correlación de los conjuntos de datos, encontramos que la similitud puede proporcionar una mejora nula a marginal en la fiabilidad y fue principalmente efectiva en la eliminación de errores grandes.
Descripción
Confirmar el resultado de un cálculo mediante un cálculo con un método diferente se ve a menudo como una comprobación de validez. Sin embargo, cuando los métodos considerados están todos sujetos a los mismos errores (sistemáticos), esta práctica falla. Mediante un enfoque estadístico, definimos medidas para y , y exploramos hasta qué punto la similitud de resultados puede ayudar a mejorar nuestro juicio sobre la validez de los datos. Este método se ilustra en datos sintéticos y se aplica a dos conjuntos de datos de referencia extraídos de la literatura: brechas de bandas de sólidos estimadas por varias aproximaciones funcionales de la densidad, y energías efectivas de atomización estimadas por y métodos de aprendizaje automático. Dependiendo de los niveles de sesgo y correlación de los conjuntos de datos, encontramos que la similitud puede proporcionar una mejora nula a marginal en la fiabilidad y fue principalmente efectiva en la eliminación de errores grandes.