Minimum Distance Non-Parametric Estimation of Mixture Proportions
混合比例的最小距离非参数估计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：摘要研究通用混合比例估计，未直接涉及分位数、经济分布效应或其他给定细分方向。
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
混合比例的最小距离非参数估计
- 研究问题
- 如何利用密度估计与距离准则估计混合比例，并使方法覆盖离散、多元、单变量连续以及有序类别等不同数据类型？
- 方法与思路
- 作者提出基于密度估计的最小距离方法，为便于处理的二次距离发展渐近理论，并讨论多项数据与核平滑连续数据。
- 材料陈述的贡献
- 摘要称，方法拓展了基于经验分布函数的混合比例估计思路，涵盖多种数据类型，并给出部分情形的理论与实施讨论。
- 阅读关注点
- 阅读时应核对混合成分信息与比例可识别条件、二次距离的选择，以及平滑和不平滑情形的渐近分析与带宽处理。
- 阅读边界
- 仅据 Crossref 摘要，成分分布是否已知、识别条件和收敛速率均未说明；不能推断方法可处理任意混合模型。
原文摘要
SUMMARY Hall (1981a) develops a method of estimating mixture proportions using empirical distribution functions and a distance measure. A similar approach is suggested here based on density estimates. The method is applicable to general discrete data and multivariate data as well as to univariate continuous data and to ordered categorical data. For convenient quadratic distance measures the asymptotic theory is developed and remarks are made about practical implementation. Cases treated in detail are un-smoothed and smoothed multinomial data and univariate continuous data smoothed by the kernel method.