Asymptotic expansions for the means and variances of error rates
分类错误率均值与方差的渐近展开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：摘要研究多元正态分类误差的统计理论，未涉及所列经济预测或离散选择方向。
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
分类错误率均值与方差的渐近展开
- 研究问题
- 将观测分配至多个多元正态总体时，训练样本估计总体参数造成的随机性如何影响正确分类概率与错误率的均值和方差？
- 方法与思路
- 作者针对样本估计参数后的随机分类概率，按各样本量的倒数推导期望与方差的渐近展开，并用模拟评价这些展开。
- 材料陈述的贡献
- 摘要称，文章获得正确分类概率及相应错误率的均值、方差展开，为刻画参数估计导致的分类性能波动提供近似工具。
- 阅读关注点
- 应核对分类规则、总体协方差设定、展开阶数及余项条件，并关注模拟中样本量和类别差异对近似表现的影响。
- 阅读边界
- 仅据OpenAlex索引摘要，版本未注明；模拟结果和展开精度未报告，不能推断小样本准确性或对非正态分类问题的适用性。
原文摘要
The problem of classifying an observation X into one of k multivariate normal distributions is considered. When samples are used to estimate the population parameters, the probabilities of correct classification, and the associated error rates, are random variables. Asymptotic expansions for the expected values and variances of these random variables, in terms of the inverses of the sample sizes, are found. Simulations have been performed to evaluate the expansions.