Saddlepoint Approximation for Multivariate Cumulative Distribution Functions and Probability Computations in Sampling Theory and Outlier Testing
多元累积分布函数的鞍点近似及其抽样与离群检验应用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：摘要聚焦通用多元概率近似与抽样检验，没有资产风险、经济时间序列或微观经济模型的直接分类依据。
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…
关注这篇论文的作者
多元累积分布函数的鞍点近似及其抽样与离群检验应用
- 研究问题
- 如何计算抽样理论中几类多元分布的累积概率和矩形区域概率，并将这些概率计算用于离群与偏移检验？
- 方法与思路
- 作者把多项、多元超几何、狄利克雷和多元波利亚分布表述为条件分布，据此构造二阶鞍点近似计算概率。
- 材料陈述的贡献
- 摘要称给出了上述四类分布一般设定下的累积分布函数近似，也直接近似矩形区域概率，并讨论相关检验应用。
- 阅读关注点
- 应核对二阶近似的误差含义、条件分布表示所需条件，以及离散分布边界和极端概率区域中的计算表现。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未给出误差界、数值精度或适用参数范围，不能据此判断统一近似质量。
原文摘要
Four multivariate distributions commonly arise in sampling theory: the multinomial, multivariate hypergeometric, Dirichlet, and multivariate Pólya distributions. Second-order saddlepoint approximations are given for approximating these multivariate cumulative distribution functions (cdf's) in their most general settings. Probabilities of rectangular regions associated with these cdf's are also approximated directly using second-order saddlepoint methods. All the approximations follow from characterizations of the multivariate distributions as conditional distributions. Applications to outlier discordancy tests and slippage tests are discussed.