Approximations to distribution functions which are hypergeometric series
以超几何级数表示的分布函数近似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：摘要讨论离散分布的一般渐近近似，未提供所列计量领域细分的直接依据。
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…
关注这篇论文的作者
以超几何级数表示的分布函数近似
- 研究问题
- 对于涉及超几何级数的离散分布，如何构造密度与分布函数的渐近近似，并通过数值比较了解其近似表现？
- 方法与思路
- 作者将推导密度和分布函数渐近近似的一般方法应用于多种离散分布，重点处理超几何分布并与其他近似作数值比较。
- 材料陈述的贡献
- 摘要称，文章提供一般近似方法在离散分布中的应用，并给出超几何分布近似的数值比较，但没有报告比较结果。
- 阅读关注点
- 应核对渐近展开采用的极限方式、离散密度的定义、近似适用的参数与尾部范围，以及数值比较使用的误差指标。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要很简短，未说明近似公式、余项或数值表现，不能推断所提近似优于既有方法。
原文摘要
A general method of deriving asymptotic approximations to density and distribution functions is applied to various discrete distributions, particularly the hypergeometric, for which numerical comparisons with other approximations are given.