Random Discriminants
随机判别式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：摘要属于随机判别式的一般分布理论，未提供所列计量细分方向的直接证据。
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
随机判别式
- 研究问题
- 由连续单变量随机样本构造的判别式，即 Vandermonde 行列式的平方，具有怎样的精确和渐近分布？
- 方法与思路
- 作者利用 Selberg 的 beta 积分获得特定总体下的随机表示，并借助 U 统计量理论研究一般总体下的渐近分布。
- 材料陈述的贡献
- 摘要称给出正态、gamma 和 beta 总体下的精确分布表示，正态与 gamma 情形的随机界，以及有条件的渐近结果。
- 阅读关注点
- 应核对精确随机表示的组成、随机界的含义，以及对总体分布施加的条件和渐近分布所需的标准化。
- 阅读边界
- 仅据版本未注明的索引摘要；一般分布的条件、标准化及证明未提供，不能据所列应用背景推断具体应用结果。
原文摘要
Let $X_1, X_2, \cdots, X_n$ be a random sample from a continuous univariate distribution $F$, and let $\Delta = \prod_{1 \leq i < j \leq n}(X_i - X_j)^2$ denote the discriminant, or square of the Vandermonde determinant, constructed from the random sample. The statistic $\Delta$ arises in the study of moment matrices and inference for mixture distributions, the spectral theory of random matrices, control theory and statistical physics. In this paper, we study the probability distribution of $\Delta$. When $X_1, \cdots, X_n$ is a random sample from a normal, gamma or beta population, we use Selberg's beta integral formula to obtain stochastic representations for the exact distribution of $\Delta$. Further, we obtain stochastic bounds for $\Delta$ in the normal and gamma cases. Using the theory of $U$-statistics, we derive the asymptotic distribution of $\Delta$ under certain conditions on $F$.