Higher-order approximations to conditional distribution functions
条件分布函数的高阶近似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：摘要核心是通用条件分布近似；逻辑回归仅作为应用，不足以认定其研究经济离散选择问题。
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
条件分布函数的高阶近似
- 研究问题
- 如何为一维条件累积分布函数的双鞍点展开补充高阶项，并分别处理连续随机变量和格点随机变量的情形？
- 方法与思路
- 作者在既有双鞍点展开基础上推导更高阶项，分别建立连续与格点变量的展开，并应用于逻辑回归中的充分统计量。
- 材料陈述的贡献
- 摘要明确陈述的贡献是条件分布函数展开的高阶项及两类随机变量的处理，并提供逻辑回归充分统计量的应用。
- 阅读关注点
- 应核对条件化对象、展开所需的正则性、连续与格点情形的区别，以及余项阶数和逻辑回归应用中的准确性。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex索引摘要；刊本一致性、公式和误差条件未提供，不能据此判断有限样本改进幅度。
原文摘要
This paper derives higher-order terms in the double-saddlepoint expansion of Skovgaard for a unidimensional conditional cumulative distribution function. Expansions for continuous and lattice random variables are derived. Results are applied to the sufficient statistic in logistic regression.