Asymptotic Expansions for the Means and Variances of Error Rates
分类错误率均值与方差的渐近展开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：摘要属于一般分类误差的渐近分析，分类任务本身不足以归入经济离散选择。
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
分类错误率均值与方差的渐近展开
- 研究问题
- 用样本估计总体参数后，将观测归入多个多元正态总体的正确分类概率与错误率，其随机波动如何近似刻画？
- 方法与思路
- 作者针对多元正态分类问题，以样本量倒数为展开尺度，推导正确分类概率和错误率的期望及方差的渐近近似。
- 材料陈述的贡献
- 摘要称，论文得到这些随机分类性能指标的均值与方差展开，并通过模拟评价展开；摘要未报告评价数值。
- 阅读关注点
- 应核对分类规则、总体参数的估计方法、不同总体样本量的增长方式，以及展开精度和模拟所覆盖的情形。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明展开阶数、协方差条件或模拟结果，不能推断刊本变化。
原文摘要
The problem of classifying an observation X into one of k multivariate normal distributions is considered. When samples are used to estimate the population parameters, the probabilities of correct classification, and the associated error rates, are random variables. Asymptotic expansions for the expected values and variances of these random variables, in terms of the inverses of the sample sizes, are found. Simulations have been performed to evaluate the expansions.