Plotting squared radii
平方半径图与多元正态性检验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：摘要讨论通用多元正态性图形检验，未给出对应所列计量细分方向的直接应用。
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
平方半径图与多元正态性检验
- 研究问题
- 用有序平方半径对其期望值作图来检验多元正态性时，哪种零假设分布近似能为图形诊断提供更合适的参照？
- 方法与思路
- 作者讨论将排序后的平方半径与期望值作图，并建议使用 beta 分布近似零假设分布，以改进卡方分布近似。
- 材料陈述的贡献
- 摘要建议，beta 分布提供的零假设分布近似比卡方近似更有用，为多元正态性平方半径图提供一种改进方向。
- 阅读关注点
- 应核对平方半径及其期望值的计算、均值和协方差是否由样本估计，以及 beta 近似的参数、适用条件与比较依据。
- 阅读边界
- 摘要未说明近似公式、样本条件或检验误差，无法判断改进幅度；所给材料为稿件版本未注明的索引摘要。
原文摘要
One way of testing data for multivariate normality is to plot the ordered squared radii against their expected values. It is suggested that the approximation to the null distribution offered by the beta distribution is a useful improvement on that afforded by the chi-squared distribution.