A Quasi-Bayesian Approach to Estimating Parameters for Mixtures of Normal Distributions
正态混合分布参数估计的拟贝叶斯方法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：摘要研究一般正态混合分布的参数估计，未明确涉及因果、分布效应或其他所列应用方向，因此暂不细分。
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
正态混合分布参数估计的拟贝叶斯方法
- 研究问题
- 正态混合分布的极大似然估计会出现奇异性和多个局部极值，如何以便于计算的方法处理这些问题并改善参数估计？
- 方法与思路
- 作者将反映先验信息、对应各混合成分的伪观测点引入估计过程，构造拟贝叶斯程序，并通过蒙特卡洛和困难数据集展示用法。
- 材料陈述的贡献
- 摘要称，该方法消除极大似然估计的奇异性，为选择局部极值提供指引；模拟显示其具有改善均方误差的潜力。
- 阅读关注点
- 应核对伪观测点的数量与取值如何表达先验、奇异性消除的具体条件，以及局部极值选择和均方误差比较的实现方式。
- 阅读边界
- 摘要未给出先验敏感性、模拟设定或误差改善幅度；“改善潜力”不能解释为普遍占优，也不能当作估计量一致性的证明。
原文摘要
This article proposes a very tractable approach to estimating parameters for mixtures of normal distributions. The analyst proceeds as if, in addition to the data, he or she had observed some pseudo data points drawn from each distribution whose values reflect his or her priors. The approach eliminates the singularities associated with maximum likelihood estimation and offer guidance for choosing among alternative local maximum likelihood estimates. Monte Carlo analysis established its consistent potential to improve mean squared errors. Data sets on which maximum likelihood estimation has presented difficulties are shown to be readily analyzed with the quasi-Bayesian procedure.