On methods of asymptotic approximation for multivariate distributions
多元分布的渐近近似方法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：摘要属于通用多元渐近理论，主成分分析的出现不足以判定为宏观或金融因子研究。
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
多元分布的渐近近似方法
- 研究问题
- 如何系统构造多元统计量的 Edgeworth 展开与扰动近似，并判断这些展开的有效性及其符号计算实现方式？
- 方法与思路
- 作者讨论 Edgeworth 展开的生成与有效性，给出一般多元统计及主成分、典型分析和判别分析中的扰动近似算法。
- 材料陈述的贡献
- 摘要称提供适合计算机代数系统实现的扰动近似算法，并讨论多元分布高阶渐近展开的构造方法与有效性。
- 阅读关注点
- 应核对展开有效性的条件、扰动算法的输入与输出，以及主成分、典型分析和判别分析各自需要的特殊处理。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；具体算法、余项阶数和有效性条件未提供，也未说明已有代码或软件实现。
原文摘要
Methods are discussed for producing Edgeworth expansions, and the validity of the expansions is examined. Algorithms for perturbation approximations in multivariate statistics are presented, in general and for the cases of principal components, canonical analysis and discriminant analysis. The algorithms are suitable for implementation in a system of computerized algebra.