The Efficiency of a Linear Discriminant Function Based on Unclassified Initial Samples
基于未分类初始样本的线性判别函数效率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：摘要研究统计判别与分类，没有离散选择行为模型或其他所列细分领域的直接证据。
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
基于未分类初始样本的线性判别函数效率
- 研究问题
- 样本只知道来自两个同方差的一元正态总体混合、却没有类别标签时，如何估计最优线性判别函数并评价效率？
- 方法与思路
- 作者基于无类别标签的混合样本估计最优线性判别函数，并相对于 Anderson 分类统计量评价渐近效率。
- 材料陈述的贡献
- 摘要明确陈述了对无标签样本判别程序的渐近效率评价，但没有报告效率数值或表明哪种方法更优。
- 阅读关注点
- 应核对混合模型的识别与参数约束、判别规则的估计方式，以及与 Anderson 统计量比较时的信息基础。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；结论范围限于所述正态同方差设定，算法、效率结果及刊本变化均无法判断。
原文摘要
Estimation of the optimal linear discriminant function is considered on the basis of a sample of observations known only to belong to a mixture of two univariate normal populations with a common variance. The asymptotic efficiency of the procedure so obtained is evaluated relative to that of Anderson's classification statistic.