Statistical inference with bivariate gamma distributions
二元 Gamma 分布下的统计推断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：摘要重点是二元 Gamma 分布下的实验统计推断，未明确陈述因果识别方法或其他所列细分方向的专门内容。
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
二元 Gamma 分布下的统计推断
- 研究问题
- 当实验中的结果变量与协变量都明显偏离正态分布时，如何利用另一变量作控制，检验一个边际分布尺度参数的变化？
- 方法与思路
- 作者定义二元 Gamma 分布，描述以另一变量为控制的单边际尺度变化检验，并简要讨论向交叉实验设计的扩展。
- 材料陈述的贡献
- 摘要称，部分高度非正态的实验数据可在该二元分布下分析，并提供利用协变量检验尺度变化及扩展至交叉实验的方法。
- 阅读关注点
- 应核对二元 Gamma 分布的具体定义、边际与依赖参数、控制变量如何进入检验，以及交叉实验扩展需要的设计条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出检验统计量、有效性条件或精度增益，不能认定所有非正态实验均适用。
原文摘要
In some experimental situations where the use of a covariate could increase the precision of the experiment the distributions of the test variate and the covariate are highly non-normal. Some of these cases can be analysed by using a bivariate Г distribution which is here defined. Methods of testing for a change in the scale parameter in one margin, using the other variate as a control, are described and the correponding extension to cross-over experiments briefly outlined.