Orientation Statistics Without Parametric Assumptions
不依赖参数分布假设的取向统计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：摘要研究取向数据与向量心电图应用，谱分解的使用本身不足以归入宏观或金融因子模型等细分领域。
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
不依赖参数分布假设的取向统计
- 研究问题
- 对于三乘二或三乘三的取向数据，如何避免矩阵von Mises–Fisher模型中复杂的极大似然方程并简化分析？
- 方法与思路
- 作者将取向数据转换为无符号四维方向，利用所得样本惯性矩矩阵谱分解的已知抽样性质，建立替代分析方法。
- 材料陈述的贡献
- 摘要称针对两类主要取向情形提出替代方法，并通过向量心电图数据应用说明必要计算相对简单。
- 阅读关注点
- 应核对取向到四维方向的转换与符号处理、样本矩阵的定义，以及谱分解抽样结果所需假设和可支持的推断。
- 阅读边界
- 仅据所给Crossref摘要，无法判断方法是否完全不需分布条件；摘要未说明完整抽样假设、效率比较或其他维度的推广。
原文摘要
SUMMARY Maximum likelihood estimation using the matrix von Mises-Fisher distribution in orientation statistics leads to unacceptably complicated likelihood equations, essentially because of the inconvenient form of the normalizing constant in the probability distribution. For the case of 3 × 2 or 3 × 3 orientations, the main cases of practical importance, an alternative approach is developed here by transforming the data into unsigned four-dimensional directions and using known results on the sampling properties of the spectral decomposition of the resulting sample moment of inertia matrix. It is demonstrated that the necessary computations are relatively simple by applying some of the techniques to a set of vectorcardiogram data.