The efficiency of a linear discriminant function based on unclassified initial samples
基于未分类初始样本的线性判别函数效率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：摘要讨论正态混合样本下的统计判别与渐近效率，未涉及经济行为选择模型，不能据分类任务归入离散选择方向。
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
基于未分类初始样本的线性判别函数效率
- 研究问题
- 当初始样本仅知来自两个具有共同方差的一元正态总体混合时，如何估计最优线性判别函数并评价其渐近效率？
- 方法与思路
- 作者在初始观测所属总体未标明的设定下研究判别函数估计，并以Anderson分类统计量为参照评价渐近效率。
- 材料陈述的贡献
- 摘要明确提供了该未分类样本程序的相对渐近效率评价，但没有说明估计算法、效率表达式或比较结论的方向。
- 阅读关注点
- 应核对混合比例与总体参数的已知程度、未分类样本的估计程序，以及与参照统计量比较时采用的效率定义。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；效率结果和估计条件未说明，不能判断有限样本分类精度或推广至多元混合。
原文摘要
Estimation of the optimal linear discriminant function is considered on the basis of a sample of observations known only to belong to a mixture of two univariate normal populations with a common variance. The asymptotic efficiency of the procedure so obtained is evaluated relative to that of Anderson's classification statistic.