The estimation of multivariate normal density functions using incomplete data
利用不完整数据估计多元正态密度函数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：摘要研究一般多元正态密度与缺失数据，未涉及分位数、分布效应或所列其他具体方向。
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
利用不完整数据估计多元正态密度函数
- 研究问题
- 在小样本及数据缺失的情况下，估计式与预测式多元正态密度方法如何比较，预测式方法又能适用于哪些缺失模式？
- 方法与思路
- 作者用基于信息度量的拟合准则比较两类密度方法，将预测式方法扩展至某些嵌套缺失模式，并讨论一般模式的近似。
- 材料陈述的贡献
- 摘要称，在所用拟合准则下，小样本更适合预测式方法；同时给出特定缺失模式的扩展及更一般缺失模式的近似讨论。
- 阅读关注点
- 应核对两类密度方法的定义、信息准则的评价方式、嵌套缺失模式的结构，以及一般缺失模式下近似的误差。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明缺失机制、样本范围或近似精度，小样本优势仅针对所述评价准则。
原文摘要
This paper compares the estimative and predictive methods of estimating a multivariate normal density, and shows that in terms of a goodness-of-fit criterion based on an information measure, the predictive method is to be preferred for small sample sizes. We then extend the predictive method to certain nested patterns of missing data, and consider various approximations to the predictive method for more general patterns of missing data.