{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,5,10]]，“日期-时间”：“2024-05-10T05:07:35Z”，“时间戳”：1715317655675}，“引用-计数”：36，“发布者”：“MDPI AG”，“问题”：“6”，“许可证”：[{“开始”：{'日期-部件“：[[2021,6,11]]，”日期-时间“：”2021 1-06-11T00:00:00Z“，”时间戳“：1623369600000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“资助者”：[{“name”：“澳大利亚研究委员会极端气候卓越中心”，“奖项”：[“CE170100023”]}]，”content-domain“：{“domain”：[]，“crossmark-restriction”：false}，“short-container-title”：[”Entropy“]，”abstract“：”我们开发了一种简单的分位数间距（QS）方法，用于从等概率随机样本中精确估计一维熵，并将其与流行的二进制计数（BC）和核密度（KD）方法进行了比较。与BC不同，BC使用具有不同概率质量的等宽箱子，QS方法使用分位数估计值，将数据生成概率密度函数（pdf）的支持划分为等概率质量区间。虽然BC和KD都需要对超参数进行优化调整，超参数的值随样本大小和pdf形状而变化，但QS只需要指定要使用的分位数。结果表明，对于测试的分布类别，最佳分位数是样本大小的固定分数（经验确定为~0.25\u20130.35），并且该值对分布形式或样本大小相对不敏感。这提供了优于BC和KD的明显优势，因为不需要超参数调整。此外，与KD不同，无需选择合适的核类型，因此QS适用于任意形状的pdf，包括具有不连续斜率和/或幅度的pdf。Bootstrapping被用来近似所得熵估计的采样变异性分布，并被证明能够准确地反映真实的不确定性。对于所研究的四种分布形式（高斯分布、对数正态分布、指数分布和双峰高斯混合分布），预期估计偏差小于1%，不确定性较低，即使样本只有100个数据点；相反，对于KD，小样本偏差可能高达\u221210%，对于BC，小样本偏见可能高达\ u221250%。我们推测，估计分位数位置，而不是bin概率，可以更有效地利用数据中的信息来近似生成pdf的未知数据的基本形状<\/jats:p>“，”DOI“：”10.3390\/e23060740“，”type“：”journal-article“，”created“：{”date-parts“：[2021,6,11]]，”date-time“：”2021-06-11T16:44:37Z“，”timestamp“：1623429877000}，”page“：“，”卷“：”23“，”作者“：[{”ORCID“：”http://\/ORCID.org\/0000-0001-9855-2839“，”authenticated-ORCID“：false，”给定“：”Hoshin V.“，”家族“：”Gupta“，”sequence“：”first“，”affiliation“：[]}，{”ORCID“:”http://\ORCID.org\/000000-0002-6901“，”authenticated-ORCID”：false“，”给定的“：”Mohammad Reza“，“家族”：“Ehsani”，“sequence”：“附加”，“从属关系”：[]}，{“给定”：“Tirthandar“，”family“：”Roy“，”sequence“：”additional“，”affiliation“：[]}，”{“given”：”Maria A.“，”家庭“：”Sans-Funtes“，”sequence“:”additionable“，”abfiliation”：[]{“ORCID”：“http://\/ORCID.org\/00000-0003-34545-8755”，”authenticated-ORCID“：false，”given“：”Uwe“，”家族“：”Ehret“，”序列“：”additional“”，”affaliation“:[]}，”gived“：“Ali”，“family”：“Behrangi”，“sequence“：”additional“，”affiliation“：[]}]，”member“：”1968“，”published-online“：{”date-parts“：[2021,6,11]]}，”reference“：[{”key“：”ref1“，”doi-asserted-by“：”publisher“，”doi“：”10.1002\/j.1538-7305.1948.tb01338.x“}，{”key“：“ref2”，“series-title”：“Elements of Information Theory”，“author”：“Cover”，“year”：“2006”}，{“key”：“ref3”，“doi-asserted-by”：“publisher”，“DOI“：”10.1002\/2014WR015874“}，{“key”：“ref4”，“series-title”：“用于统计和数据分析的密度估计”，“author”：“Silverman”，“year”：“1986”}，“key“：”ref5“，”first page“：“17”，“article-title”：”非参数熵估计：概述“，”volume“：6”，“author“：”Beirlant“，”year“1997”，“journal-title“：”Int.J.Math.Stat.Sci.“}”，{“密钥”：“ref6“，”series-title“：”多元密度估计：理论、实践和可视化“，”author“：”Scott“，”year“：”2008“}，{”key“：”ref7“，”doi-asserted-by“：”publisher“，”doi“：”10.1214\/aoms\/1177700079“}”，{“key”：“ref8”，“doi-assert-by”：“publisher”，“doi”：“10.1093\/biomet\/66.305”}，”{“key”：”ref9“，”series-ti标题“：”计算机科学与统计：第十五届界面研讨会论文集”，“第一页”：“173”，“文章标题”：“高维概率密度估计”，“作者”：“斯科特”，“年份”：“1983”}，{“关键”：“ref10”，“系列标题”：《计算统计手册\u2014概念和方法》，“作者“：“斯科特”，“年”：“2004”}、{“键”：“ref11“，”doi-asserted-by“：”publisher“，”doi“：”10.1214\/aos\/1176349654“}，{”key“：”ref12“，”first page“：“211”，”article-title“：”概率密度函数的最大似然估计“，”volume“：内政部“：”10.1016\/S0167-9473（01）00073-1“}，{“key”：“ref14”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/LSP.2001.838216”}，“key“：”ref15“，”doi-assert-by“：”publisher“，”doi“：”10.1109\/TIT.2005.856954，{“key”：“ref17”，“doi-asserted-by”：“publisher”，“doi”：“10.3390\/e20080601”}，{”key“：”ref18“，”doi-asserted-by“：”publisher“，”doi“：”10.1080\/01621459.1926.10502161“}，{”key“：”ref19“，”doi-assertd-by“：”publisher“，”DI:“10.1007\/BF01025868”}，“key”：“ref20”，“doi-assert-by”：“publisher”，“doi”：“10.1016\/j.dsp.2019.102581”}publisher“，”doi“：”10.1016\/j.sigpro.2004.11.022“}，{“key”：“ref22”}首页“：”361“，”article-title“：”统计数据包中的样本分位数“，”volume“：”50“，”author“：”Hyndman“，”year“：”1996“，”journal-title”：“Am.Stat.”}，{“key”：“ref24”，“doi-asserted-by”：“publisher”，“doi”：“10.1093\/biomet\/69.3.635”}“：”10.1080\/03610926208828383“，”文章标题“：”广义分位数估计量“，“volume”：“11”，“author”：“Kaigh”，“year”：“1982”，“journal-title”：“Commun”。统计部分A理论方法“}，{“key”：“ref26”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.csda.2005.08.004”}，}“keys”：“ref27”，“doi-asserte-by”：“publisher”，“DI:”10.1080\/01621459.1979.10481621“}、{“key”：”ref28“，“doi-asserted-by”：”publisher“，“doi:”10.10080\/0161459.1990.1046214“}，{“key”：“ref29”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/S0378-3758（96）00110-3“}，{“key”：“ref30”，“series-title”：“使用Beta内核进行右删失下分位数函数的平滑非参数估计”，“author”：“Park”，“year”：“2006”}，}“keys”：“ref31”，“doi-asserted-by”：“publisher”，“doi”：“10.1080\/01621459.1985.10478217”}“：”10.1080\/03610910701790491“}，{“key”：“ref33”，“doi-asserted-by”：“publisher”，“doi”：“10.1111\/bmsp.12198”}，}，“key“：”ref34“，”doi-assert-by“：”publisher“，”doi“：”10.1016\/0167-7152“}，{”key“：”ref36“，”doi-asserted-by“：”publisher“，”doi“：”10.1007\/s00184-019-00736-3“}]，“container-title”：[“熵”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/www.mdpi.com\/1099-4300\/23\/6\/740\/pdf”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“相似性检查”}，“存放”：{“日期段”：[2021,6,1 6]]，“日期时间”：“2021-06-16T15:01:57Z”，“时间戳：1623855717000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https://www.mdpi.com/1099-4300\/23\/6\/740”｝，“副标题”：[]，“短标题”：[]，“已发布”：｛“日期部分”：[[2021,6,11]]｝，“参考文献数”：36，“期刊发行”：｛“发行”：“6”，“在线发布”：｛“日期部分”：[[2021,6]]｝，“替代id”：[“e23060740”]，“URL”：“http:\/\/dx.doi.org\/10.3390\/e23060740“，”关系“：{}，”ISSN“：[”1099-4300“]，”ISSN-type“：[{”value“：”1099-4800“，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[2021,6,11]}}}}