Exponential Models for Directional Data
方向数据的指数模型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：摘要涉及方向数据的一般分布建模与估计，未明确对应所列计量细分方向。
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
方向数据的指数模型
- 研究问题
- 如何为多维方向数据建立包含常用方向分布的指数模型，并构造计算简便、兼具渐近效率与局部稳健性的估计？
- 方法与思路
- 作者提出旋转不变的指数模型，以新的回归估计量作为极大似然估计的替代，并通过嵌套特例评估拟合优度。
- 材料陈述的贡献
- 摘要称，两种估计在设定模型下均渐近有效且对小偏离稳健；新回归估计无需迭代或数值积分，计算更简单。
- 阅读关注点
- 应核对旋转不变性和参数化的含义、回归估计的构造，以及效率、局部稳健性与嵌套模型拟合检验的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未定义模型偏离的范围，也未说明有限样本效率或稳健性表现。
原文摘要
A rotationally invariant exponential model, which includes the Fisher-von Mises and Bingham distributions as special cases, is proposed for directional data in $R^p(p \geqslant 2)$. A new regression estimator for the model parameters is developed as a competitor to the maximum likelihood estimator. Both the new estimator and the MLE are asymptotically efficient at the postulated model and are robust under small departures from that model. Computationally, the regression estimator is much simpler since it requires no iterations or numerical integrations. Goodness-of-fit can be assessed by fitting nested special cases of the general model to the data.