A Non-Gaussian State Space Model and Application to Prediction of Records
非高斯状态空间模型及其纪录预测应用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：摘要明确提出状态空间模型及纪录预测，直接对应时间序列与预测方法；其展示的数据应用属于体育领域。
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
非高斯状态空间模型及其纪录预测应用
- 研究问题
- 研究如何用非高斯状态空间模型处理删失数据并预测纪录，尤其考察体育纪录这一应用及其与更一般极值问题的联系。
- 方法与思路
- 作者构造给定潜在状态时观测服从指数分布的状态空间模型，并通过变换扩展模型，再用体育数据说明纪录预测应用。
- 材料陈述的贡献
- 摘要称，论文发展了一类适用于删失数据的状态空间模型，展示体育纪录预测，并简要讨论与极值相关的更广泛应用可能。
- 阅读关注点
- 应核对潜在状态的演化机制、删失如何进入观测模型、估计与预测步骤，以及体育数据中预测效果的评价方式。
- 阅读边界
- 仅据所给 Crossref 摘要；状态转移、推断算法和预测结果未说明，不能判断相对预测性能或将体育应用直接推广到经济数据。
原文摘要
SUMMARY We develop a class of state space models for censored data. The basic model assumes an exponential distribution for the observations, conditionally on unobserved state variables. The model may be generalised by allowing transformations. We develop an application to the prediction of records. This is illustrated with some athletics data, though we also discuss briefly the possibility of more general applications connected with extreme values.