Deconvolution of a Distribution Function
分布函数的反卷积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：摘要直接以测量误差下的潜在分布函数恢复为研究对象，因此与分布估计方向相关；未涉及因果分布效应。
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
分布函数的反卷积
- 研究问题
- 当观测受到测量误差污染时，如何恢复潜在分布函数、估计模型参数并构造置信区间，同时允许单峰分布限制？
- 方法与思路
- 作者将未知分布表示为有限个已知分布的混合，利用似然理论估计参数和构造区间，并将方法用于单峰分布估计。
- 材料陈述的贡献
- 摘要称，该混合分布方案可处理分布函数反卷积及单峰分布估计；饮食调查应用和模拟用于展示估计与区间表现。
- 阅读关注点
- 应核对测量误差分布如何获得、混合成分与数量如何确定，并检查可识别性、单峰约束及置信区间的覆盖表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；误差机制、混合模型选择和区间表现未说明，不能推断刊本变化。
原文摘要
We consider the estimation of a distribution function when observations from this distribution are contaminated by measurement error. The unknown distribution is modeled as a mixture of a finite number of known distributions. Model parameters can be estimated and confidence intervals constructed using well-known likelihood theory. We show that it is also possible to apply this approach to estimation of a unimodal distribution. An application is presented using data from a dietary survey. Simulation results are given to indicate the performance of the estimators and the confidence interval procedures.