Binomial mixtures: geometric estimation of the mixing distribution
二项混合模型：混合分布的几何估计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：摘要涉及一般混合分布的几何与计算，未提供经济分布效应或离散选择模型的明确依据。
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
二项混合模型：混合分布的几何估计
- 研究问题
- 给定二项分布混合模型，如何估计未知混合分布，并理解几何近似、最大似然计算与混合分布不可识别性的关系？
- 方法与思路
- 作者在既有几何研究基础上分析循环多胞体的近似作用，形成最大似然拟合算法，并给出算法收敛证明和数值例子。
- 材料陈述的贡献
- 摘要称，研究进一步阐明二项混合估计的几何结构，证明相应算法收敛，并使混合分布缺乏可识别性的部分问题得到缓解。
- 阅读关注点
- 应核对循环多胞体如何近似可行集合、算法收敛的对象，以及哪些混合分布特征可识别、哪些仍无法唯一确定。
- 阅读边界
- 仅依据版本未注明的OpenAlex索引摘要；“部分问题消失”的确切含义未说明，算法收敛不能直接等同于混合分布唯一识别。
原文摘要
Given a mixture of binomial distributions, how do we estimate the unknown mixing distribution? We build on earlier work of Lindsay and further elucidate the geometry underlying this question, exploring the approximating role played by cyclic polytopes. Convergence of a resulting maximum likelihood fitting algorithm is proved and numerical examples given; problems over the lack of identifiability of the mixing distribution in part disappear.