The essential histogram
本质直方图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：摘要研究通用分布可视化与特征检测，未明确涉及分位数或经济学中的分布效应。
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…
本质直方图
- 研究问题
- 如何选择直方图的分箱数量和大小，使其既能有效估计区间概率、检测分布的上升与众数，又保持尽可能简单的展示？
- 方法与思路
- 作者构造分布函数置信集，并把其中分箱最少的直方图定义为本质直方图；摘要仅要求数据独立同分布。
- 材料陈述的贡献
- 摘要称该直方图在完成概率估计与分布特征检测两项任务时具有最优性质，并提供快速计算算法和应用例子。
- 阅读关注点
- 应核对置信集的构造、最优性的评价标准，以及最少分箱解的计算方式和对上升区间、众数的检测保证。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断最优性的具体定义、有限样本保证或算法复杂度；独立同分布之外的适用性未说明。
原文摘要
Summary The histogram is widely used as a simple, exploratory way of displaying data, but it is usually not clear how to choose the number and size of the bins. We construct a confidence set of distribution functions that optimally deal with the two main tasks of the histogram: estimating probabilities and detecting features such as increases and modes in the distribution. We define the essential histogram as the histogram in the confidence set with the fewest bins. Thus the essential histogram is the simplest visualization of the data that optimally achieves the main tasks of the histogram. The only assumption we make is that the data are independent and identically distributed. We provide a fast algorithm for computing the essential histogram and illustrate our method with examples.