Estimation of Discrete Distributions with a Class of Simplex Constraints
具有一类单纯形约束的离散分布估计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：摘要研究一般离散分布的受约束估计，未提供离散选择或经济分布效应等细分方向的直接依据。
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
具有一类单纯形约束的离散分布估计
- 研究问题
- 当离散分布的概率受到单调性、凸性或凹性等单纯形约束时，如何进行最大似然估计与贝叶斯估计？
- 方法与思路
- 作者使用 EM 算法与数据增广算法，分别讨论二项、泊松、多项分布及部分层级模型中的构造和实现。
- 材料陈述的贡献
- 摘要称文章详细说明两类算法在所列离散分布中的应用，并通过例子展示如何处理概率上的形状约束。
- 阅读关注点
- 应核对约束如何参数化、两类算法如何保证约束成立，以及收敛条件、层级模型设定和例子的计算细节。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明算法收敛保证、计算复杂度或估计精度，不能推断刊本变化。
原文摘要
Simplex constraints, such as monotonicity and convexity or concavity on the probabilities of a set of discrete distributions, are useful for modeling and analyzing discrete data. This article considers both maximum likelihood estimation and Bayesian estimation of discrete distribution with a class of simplex constraints using the Expectation-Maximization (EM) algorithm and the data augmentation (DA) algorithm. The formulation and implementation of EM and DA for binomial, Poisson, hierarchical Poisson-binomial, multinomial, and hierarchical multinomial distributions are considered in detail and illustrated with examples.