Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:2205.03485

帮助 | 高级搜索

统计学 > 计算

arXiv:2205.03485 (stat)
[提交于 2022年5月6日 ]

标题: 标准正态累积分布及相关函数的波利亚上界改进

标题: Improvements of Polya Upper Bound for Cumulative Standard Normal Distribution and Related Functions

Authors:Omar Eidous
摘要: 尽管关于累积标准正态分布的上界已有大量文献,但对于感兴趣的自变量 x 的所有值,这些上界相对不够精确。 本文的目的在于建立一个标准正态分布函数的精确上界,即其与 φ(x) 的最大绝对差值对于所有 x 值均小于某个值。 所确立的界改进了著名的波利亚(Polya)上界,并且可以作为 Φ(x) 本身的近似值,具有非常令人满意的确切度。 已经实现了所提出的上界与一些其他现有上界的数值比较,结果显示所提出的界比文献中找到的替代界更紧。
摘要: Although there is an extensive literature on the upper bound for cumulative standard normal distribution, there are relatively not sharp for all values of the interested argument x. The aim of this paper is to establish a sharp upper bound for standard normal distribution function, in the sense that its maximum absolute difference from phi(x) is less than for all values of x. The established bound improves the well-known Polya upper bound and it can be used as an approximation for Phi(x) itself with a very satisfactory accuracy. Numerical comparisons between the proposed upper bound and some other existing upper bounds have been achieved, which show that the proposed bound is tighter than alternative bounds found in the literature.
评论: 11页,3幅图
主题: 计算 (stat.CO) ; 统计理论 (math.ST)
引用方式: arXiv:2205.03485 [stat.CO]
  (或者 arXiv:2205.03485v1 [stat.CO] 对于此版本)
  https://doi.org/10.48550/arXiv.2205.03485
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Omar Eidous [查看电子邮件]
[v1] 星期五, 2022 年 5 月 6 日 22:01:42 UTC (958 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
许可图标 查看许可
当前浏览上下文:
math
< 上一篇   |   下一篇 >
新的 | 最近的 | 2022-05
切换浏览方式为:
math.ST
stat
stat.CO
stat.TH

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号