Estimation of the Probability that An Observation Will Fall into a Specified Class
观测落入指定类别的概率估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究类别概率的先验信息利用，未建立离散选择行为模型，也未直接研究分位数或分布效应。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
观测落入指定类别的概率估计
- 研究问题
- 当类别概率具有可利用的先验分布信息时，如何改进单次样本中的类别频率估计，并在先验参数未知时从数据估计它们？
- 方法与思路
- 作者利用类别频率及其估计抽样方差推断先验分布参数，并以含测量误差的二元正态回归类比说明概率估计的计算思路。
- 材料陈述的贡献
- 摘要称可利用先验信息得到比通常样本比例更精确的估计，并说明先验形式部分已知时如何估计其参数。
- 阅读关注点
- 应核对先验分布形式、参数估计所用的汇总信息，以及回归类比与实际概率估计的关系，并确认精确性的评价准则。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；未提供完整估计公式及风险比较条件，不能保证任意先验信息下都优于样本比例。
原文摘要
When observations in a random sample of n are classified into k categories with n i falling into a given class, the usual estimate of the corresponding probability is ni/n. When a priori information about the distribution of the probabilities is available, more precise estimates can be derived from data in any one sample of n. When the a priori distribution is not specified completely, but its general form can be inferred, the parameters of that distribution can be estimated from the average of the ni/n and their estimated sampling variances. The computations are analogous to those that arise in regression theory with the bivariate normal frequency distribution when Y = X + e and the expected value of X for a given Y is estimated from the regression of X on Y. The parameters of the distribution of X have to be estimated from the observed distribution of Y and the sampling errors in the individual values of those observations.