Bayesian Discrimination between Two Multivariate Normal Populations with Equal Covariance Matrices
共同协方差矩阵下两个多元正态总体的贝叶斯判别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：摘要研究统计判别与总体归属概率，未涉及经济离散选择行为或所列其他领域。
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
共同协方差矩阵下两个多元正态总体的贝叶斯判别
- 研究问题
- 研究新观测属于两个多元正态总体之一的概率如何估计，以及共同协方差假设下贝叶斯与经典判别规则有何差异。
- 方法与思路
- 作者比较两类概率估计与分配规则，计算对数密度比的后验矩，用 Johnson 曲线近似其分布，再转换为归属概率分布。
- 材料陈述的贡献
- 摘要描述两类估计出现差异的观测位置区域及判别边界，并给出归属概率的后验分布、区间和应用示例。
- 阅读关注点
- 应核对总体归属概率和先验设定、共同协方差的作用，以及分布近似在尾部的准确性与概率区间的解释。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读，不推断刊本变化。摘要未说明先验、近似误差或分类表现，不能断言某种判别规则普遍更好。
原文摘要
Here Bayesian and classical estimates of P, the probability that a new observation belongs to one of two multivariate normal populations with equal covariance matrices, are compared. In particular, the regions of location of a new observation for which the estimates differ are shown. The Bayesian and classical allocation rule contours are given and their differences highlighted. The posterior moments of L, the log-density ratio for a new observation, are given, and the distribution of L is approximated using Johnson curves. The posterior distribution and interval for P are obtained by transformation. An example is given that demonstrates their use.