On the Asymptotic Distribution of the Location Linear Discriminant Function
位置线性判别函数的渐近分布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：摘要讨论混合变量分类与判别函数分布，未涉及离散选择行为或所列其他具体计量方向。
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
位置线性判别函数的渐近分布
- 研究问题
- 对于同时包含二元变量与连续变量的数据，将未知参数替换为样本估计后，如何近似位置线性判别函数的分布？
- 方法与思路
- 作者针对参数估计后判别规则的复杂精确分布构造渐近展开，并在不同参数设定下考察该展开的表现。
- 材料陈述的贡献
- 摘要称提供了便于近似计算的分布渐近展开，并研究其表现；但未说明展开阶数、误差范围或具体数值结果。
- 阅读关注点
- 应核对混合变量模型设定、贝叶斯最优规则成立的条件，以及展开阶数、参数估计方式和近似精度的评价方法。
- 阅读边界
- 仅据 Crossref 摘要；最优分类规则的具体模型条件和展开细节未提供，不能判断小样本准确性或刊本变化。
原文摘要
SUMMARY The location linear discriminant function forms the basis of the optimal Bayes classification rule when the data contain both binary and continuous variables (Krzanowski, 1975). When the unknown parameters are replaced by their sample estimates, the resulting “estimative” rule has an exact distribution which is too complicated for numerical use. We present here an asymptotic expansion of this distribution and study its performance under various assumptions about the parameters.