Multivariate saddlepoint tail probability approximations
多元尾概率的鞍点近似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：摘要研究通用多元概率近似，回归与医学应用不足以对应所列经济计量细分。
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
多元尾概率的鞍点近似
- 研究问题
- 如何将鞍点近似用于任意维随机向量的累积分布函数，并在多元推断中保持与已有二维展开相当的近似精度？
- 方法与思路
- 作者直接反演多元矩母函数推导近似，针对具有密度或格点支持且存在累积量母函数的分布，并给出回归和病例对照应用。
- 材料陈述的贡献
- 摘要称，该方法可处理任意维随机向量，精度与已有二维展开相当；文中提供二维方法比较和两个多元推断应用。
- 阅读关注点
- 应核对累积量母函数的存在域、连续与格点情形的处理差异、精度结论的度量，以及维数增加时的实现方式。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；摘要未给出误差阶、尾部范围或计算成本，不能据此断言高维下精度稳定。
原文摘要
This paper presents a saddlepoint approximation to the cumulative distribution function of a random vector. The proposed approximation has accuracy comparable to that of existing expansions valid in two dimensions, and may be applied to random vectors of arbitrary length, subject only to the requirement that the distribution approximated either have a density or be confined to a lattice, and have a cumulant generating function. The result is derived by directly inverting the multivariate moment generating function. The result is applied to sufficient statistics from a regression model with exponential errors, and compared to an existing method in two dimensions. The result is also applied to multivariate inference from a data set arising from a case-control study of endometrial cancer.