The Estimation of Multivariate Normal Density Functions Using Incomplete Data
利用不完整数据估计多元正态密度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：摘要研究不完整数据下的通用密度估计，预测式估计并不提供时间序列预测方向的直接证据。
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
利用不完整数据估计多元正态密度
- 研究问题
- 小样本下估计多元正态密度时，估计式方法与预测式方法如何比较，预测式方法又如何处理不同模式的缺失数据？
- 方法与思路
- 作者依据一个基于信息度量的拟合优度准则比较两种方法，将预测式方法扩展至特定嵌套缺失模式，并讨论一般模式的近似。
- 材料陈述的贡献
- 摘要称，在所采用的信息拟合准则下，小样本更适合使用预测式方法；文章还提供对嵌套缺失及一般缺失模式的处理。
- 阅读关注点
- 应核对两种密度估计方法的定义、信息准则及小样本比较条件，并查看嵌套缺失的结构要求和一般模式近似误差。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；缺失机制、信息度量及近似细节未说明，所述优势仅限摘要指出的评价准则。
原文摘要
This paper compares the estimative and predictive methods of estimating a multivariate normal density, and shows that in terms of a goodness-of-fit criterion based on an information measure, the predictive method is to be preferred for small sample sizes. We then extend the predictive method to certain nested patterns of missing data, and consider various approximations to the predictive method for more general patterns of missing data.