Estimating the number of classes
总体类别数量的估计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：摘要研究未观测类别数量的通用统计估计，没有明确关联给定的经济计量细分方向。
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
总体类别数量的估计
- 研究问题
- 当样本未观测到总体中的全部类别时，如何在泊松混合模型中估计类别总数，并理解未检出类别带来的估计和区间限制？
- 方法与思路
- 作者将问题转化为估计类别未被检出的优势，利用该目标的不连续性分析推断限制，再构造一系列下界与伪最大似然估计。
- 材料陈述的贡献
- 摘要称，目标的不连续性排除了局部无偏且有信息的估计，并使有关置信区间必须单侧；所给下界用于定义类别数估计量。
- 阅读关注点
- 应核对泊松混合模型的观测机制、未检出优势的定义、不可能性结果针对的估计类，以及下界和单侧区间的构造。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；定理条件、下界公式与估计表现未提供，单侧区间限制不能脱离所述模型推广。
原文摘要
Estimating the unknown number of classes in a population has numerous important applications. In a Poisson mixture model, the problem is reduced to estimating the odds that a class is undetected in a sample. The discontinuity of the odds prevents the existence of locally unbiased and informative estimators and restricts confidence intervals to be one-sided. Confidence intervals for the number of classes are also necessarily one-sided. A sequence of lower bounds to the odds is developed and used to define pseudo maximum likelihood estimators for the number of classes.