On the Non-Parametric Estimation of Mixture Proportions
混合比例的非参数估计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：摘要研究通用混合比例估计，未涉及分位数或分布效应等所列细分的明确应用。
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
混合比例的非参数估计
- 研究问题
- 在测量取整或截断可能使核密度方法表现异常时，如何估计混合分布的比例，并减少对平滑窗口选择的依赖？
- 方法与思路
- 作者提出基于经验分布函数的混合比例估计量，研究其性质，并说明它们如何自然对应于已知参数估计量的非参数形式。
- 材料陈述的贡献
- 摘要称，新估计量提供了适合若干数据情形的替代方法；随着组分分布之间距离增大，其效率趋近百分之百。
- 阅读关注点
- 核对组分分布需已知或估计的部分、混合比例的可识别条件，以及分布距离、效率基准与取整截断问题的处理方式。
- 阅读边界
- 仅据 Crossref 摘要；组分信息要求、效率定义与距离度量未说明，不能把效率趋近结论解释为一般有限样本优势。
原文摘要
SUMMARY Non-parametric estimates of mixing proportions based on kernel-type density estimators are badly suited to several types of data. They suffer from aberrations due to rounding or truncation of the measurements, and their construction involves the crucial choice of the “window size”, or smoothing parameter. In many circumstances estimators based on the empiric distribution function would be more suitable, and in this paper we investigate their properties. The estimators we introduce lead in a natural way to non-parametric forms of well-known parametric estimators. Their efficiency approaches 100 per cent as the distances between the component distributions increase.