Distribution-Free Partial Discriminant Analysis
无分布假设的部分判别分析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：摘要讨论一般判别分类及误分类控制，没有收益预测或其他所列细分领域的直接依据。
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…
无分布假设的部分判别分析
- 研究问题
- 在两个总体的部分判别问题中，如何控制误分类概率，同时保持较低的不分类概率，并允许灵活选择判别函数？
- 方法与思路
- 作者提出无分布假设的秩程序，称其可配合几乎任意判别函数，并用蒙特卡洛方法与正态理论及容忍域程序比较。
- 材料陈述的贡献
- 摘要称，判别函数可在观察样本后选定；所报告模拟中，只有秩程序兼顾了适当误分类控制与较低的不分类概率。
- 阅读关注点
- 应核对部分判别及不分类的规则、概率控制的定义，并确认观察样本后选择判别函数时理论保证如何成立。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；无分布性质的条件与模拟设计未说明，不能将报告的比较结果推广至所有分类任务。
原文摘要
A distribution-free rank procedure is proposed for use in partial discrimination problems involving two populations. It is shown that this procedure can be applied with virtually any discriminant function. Moreover, the discriminant function may be selected after observing the samples on which it is to be based. Using Monte Carlo methods the rank procedure is compared with a normal theory and a tolerance region procedure. The rank procedure was the only one that adequately controlled the probabilities of misclassification while maintaining relatively small probabilities of not classifying an observation.