High-Dimension, Low–Sample Size Perspectives in Constrained Statistical Inference
约束统计推断中的高维小样本视角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：摘要围绕高维分类数据和基因组约束推断展开，未提供足以对应所列计量经济学细分方向的文本证据。
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…
约束统计推断中的高维小样本视角
- 研究问题
- 面对维度很高、样本量不足且存在内在约束的分类数据，如何设计适当的统计推断程序，以理解基因组变异？
- 方法与思路
- 作者以 SARS 病毒基因组研究为动机，在约束推断框架中考虑基于汉明距离的伪边际方法，并结合并交原则与刀切法。
- 材料陈述的贡献
- 摘要介绍了适用于高维分类数据的约束推断思路，以基因组变异为主要示例；未明确列出具体定理或性能结论。
- 阅读关注点
- 应核对约束的具体含义、伪边际对象及汉明距离的作用，以及并交原则和刀切法如何共同构成可实施的统计程序。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；具体检验、有效性条件和基因组研究结果均未说明。
原文摘要
High-dimensional categorical data models, often with inadequately large sample sizes, crop up in many fields of application. The SARS epidemic, originating in southern China in 2002, had an identified single-stranded and positive-sense RNA virus with large genome size and moderate mutation rate. The present genomic study is used as a prime illustration for motivating appropriate statistical methodology for comprehending the genomic variation in such high-dimensional categorical data models. Because of underlying restraints, a pseudomarginal approach based on Hamming distance is considered in a constrained statistical inference setup. The union-intersection principle and jackknifing methods are incorporated in exploring appropriate statistical procedures.