×
布伦特·伯奇;杰西·埃格伯特

应用于基于语料库的词频类的平均数比率的置信区间。 （英语） Zbl 07716693号

J.应用。斯达。 50，编号7，1592-1610（2023）.
小结：当我们相互交流时，我们选择的词语传达了意义和信息。在书面或口头语言中，我们倾向于重复使用相对较少的单词，而词汇中的大量单词很少使用。通过考虑文本主体（或语料库）中最流行单词的平均数与相关单词的平均值的比率，可以量化相关单词的流行程度。此外，词类或分组词的概念具有相似的流行程度，这使研究人员能够比较这些词。使用语料库中具有不同长度的文本样本，单词的样本平均相对频率和使用零膨胀β分布的最大似然估计值作为单词流行率的两个度量。我们构建并比较了英国国家语料库（British National Corpus）中一些单词的平均值比率的渐近置信区间，该语料库是一个包含大量英国英语书面和口语的1亿单词的集合。我们还研究了满足单词类别和平均数比率等特定目标所需的样本量。

理学硕士：

62至XX 统计

关键词：

\（\mathrm｛不列颠哥伦比亚省｝_ a\)引导数据库;英国国家语料库;大样本理论;最大似然估计;零膨胀β分布

软件：

引导库;GAMLSS公司;bcaboot公司
PDF格式BibTeX公司 XML格式引用
\textit{B.Burch}和\textit{J.Egbert}，J.Appl。Stat.50，No.7，1592--1610（2023；Zbl 07716693）
全文： 内政部 链接

参考文献：

[1] 布雷齐纳，V。；Gablasova，D.，有核心通用词汇吗？介绍新的一般服务列表，应用程序。语言学，36，1-22（2015）
[2] Browne，C.、Culligan，B.和Phillips，J.，《新的一般事务人员名单》，2013年。可在http://www.newgeneralservicelist.org。
[3] 伯奇，B。；Egbert，J.，零膨胀贝塔分布应用于语料库语言学中的词频和词汇分散，J.Appl。统计，47，337-353（2020年）·Zbl 1521.62266号
[4] Burkhardt，D。；帕塔纳，S。；Nazemi，K。；Kuijper，A.，大数据应用中以任务和用户为中心的可视化搜索意图分析，Procedia。计算。科学。，104, 539-547 (2017)
[5] 陈，H。；陈，J。；Chen，S.，非等概率抽样下包含多个零值的总体平均值的置信区间，Canad。J.统计。，38, 582-597 (2010) ·Zbl 1349.62023号
[6] 陈，J。；陈，S。；Rao，J.N.K.，包含许多零值的总体平均值的经验似然置信区间，Canad。J.统计。，31, 53-68 (2003) ·Zbl 1035.62007号
[7] Chen，S.X。；秦，J.，具有可能零观测值的数据基于经验似然的置信区间，统计量。普罗巴伯。莱特。，65, 29-37 (2003) ·Zbl 1116.62345号
[8] Chernick，M.R.，Bootstrap Methods:A Guide for Practicers and Research（2007），威利：威利，纽约·Zbl 1136.62029号
[9] 库克，D。；基施尼克，R。；McCullough，B.，金融比例的回归分析与自我选择，J.实证金融，15860-867（2008）
[10] 克里巴里·内托，F。；桑托斯，J.，《通货膨胀的库马拉斯瓦米分布》，美国科学院。胸罩。城市。，91，e20180955（2019）·Zbl 1442.62042号 ·doi:10.1590/0001-3765201920180955
[11] 克罗斯利，S.A。；科布，T。；McNamara，D.S.，比较基于计数和基于频带的词频指数：对积极词汇研究和教学应用的启示，System，41965-981（2013）
[12] 戴维森，A.C。；Hinkley，D.V.，Bootstrap方法及其应用（1997），剑桥大学出版社：剑桥大学出版社，剑桥·兹比尔0886.62001
[13] 爱德华兹，R。；Collins，L.，词汇频率分布和Zipf定律，Lang.Learn。，61, 1-30 (2011)
[14] Efron，B.，《更好的引导置信区间》，J.Amer。统计人员。协会，82，171-185（1987）·兹比尔062262039
[15] 埃夫隆，B。；Tibshirani，R.，标准误差、置信区间和其他统计准确性度量的Bootstrap方法，Statist。科学。，1, 54-77 (1986) ·Zbl 0587.62082号
[16] 埃夫隆，B。；Narasimhan，B.，引导置信区间的自动构造，J.Compute。图表。统计人员。，29, 608-619 (2020) ·Zbl 07499300号
[17] Grühn，D。；Smith，J.，《由年轻人和老年人评定的200个单词的特征：德语形容词的年龄依赖性评价》，Behav。研究方法。，40, 1088-1097 (2008)
[18] Keim，J。；DeWitt，P。；菲茨帕特里克，J。；Jenni，N.，《使用膨胀的β分布估算植物丰度：从地衣-核糖生态系统中的应用学习》，Ecol。演变。，7, 486-493 (2017)
[19] Kremmel，B.，《词汇测试中的词族和频段：挑战性惯例》，《TESOL季刊》，50976-987（2016）
[20] Kvanli，A.H。；沈永凯。；Deng，L.Y.，包含多个零值的总体平均值的置信区间的构建，J.Bus。经济。统计人员。，16362-368（1998年）
[21] 韭菜，G。；Rayson，P。；Wilson，A.，《英语书面和口语中的词频：基于英国国家语料库》（2001），Routledge:Routledge，伦敦
[22] Lei，L。；Liu，D.，《一个新的医学学术词汇表：一项增强方法论的基于身体的研究》，《学术英语杂志》，22，42-53（2016）
[23] Lin，L.，评估再现性的一致性相关系数，生物统计学，45255-268（1989）·Zbl 0715.62114号
[24] Lin，L.，关于一致性相关系数的注释，生物统计学，56，324-325（2000）
[25] 林，L。；Hedayat，A。；辛哈，B。；Yang，M.，《评估一致性的统计方法》，J.Amer。统计人员。协会，97，257-270（2002）·Zbl 1073.62583号
[26] 林，L。；Hedayat，A。；Wu，W.，《计量协议的统计工具》（2012），施普林格出版社：纽约施普林格·Zbl 1256.62063号
[27] 奥斯皮纳，R。；Ferrari，S.，充气贝塔分布，统计师。论文，5111-126（2010）·Zbl 1247.62043号
[28] 奥斯皮纳，R。；Ferrari，S.，一类一般的零阶膨胀贝塔回归模型，计算。统计人员。数据分析。，56, 1609-1623 (2012) ·Zbl 1243.62099号
[29] Paquot，M.，《走向一个富有成效的学术词汇表》，载于《语言与计算机的实际应用》2005年，J.Walinski，K.Kredens&S.Gozdz-Roszkowski，eds.，Peter Lang，Frankfurt and Main，2007年，第127-140页。
[30] 奎罗斯，F。；Lemonte，A.，关于利率和比例的一大类零或一膨胀回归模型，Canad。J.统计。，49, 566-590 (2021) ·Zbl 07759591号
[31] 里格比，R。；Stasinopoulos，D.，位置、规模和形状的广义加性模型（含讨论），J.R.Stat.Soc.Ser。C.申请。《统计》，54，507-554（2005）·Zbl 1490.62201号
[32] 施密特，N。；Schmitt，D.，《二语词汇教学中频率和词汇量的再评估》，《语言教学》，47484-503（2014）
[33] Stasinopoulos，D。；Rigby，R.，《R，J.Stat.Softw中位置尺度和形状的广义加性模型》（GAMLSS）。，23, 1-46 (2007)
[34] Stasinopoulos，D。；里格比，R。；海勒，G。；Voudouris，V。；De Bastiani，F.，《灵活回归和平滑：在R中使用GAMLSS》（2017），Chapman和Hall/CRC：Chapman和Hall/CRC，博卡拉顿
[35] Stewart，C.，用于定量脂肪酸特征分析中比例建模的零膨胀β分布，J.Appl。统计，40，985-992（2013）·Zbl 1514.62882号
[36] 田，L。；Wu，J.，带多余零的对数正态数据平均值的置信区间，Biom。J.，48，149-156（2006）·Zbl 1442.62654号
[37] 周，X。；Tu，W.，零值对数正态分布医疗费用平均值比率的区间估计，计算。统计人员。数据分析。，35, 201-210 (2000) ·Zbl 1115.62302号
[38] Zipf，G.K.，《人类行为与最小努力原则》（1949），艾迪森·韦斯利：艾迪森·韦斯利，剑桥
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。