Forecasting Records by Maximum Likelihood
利用最大似然预测纪录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：摘要明确围绕纪录时间序列的建模与预测，方法对应时间序列和预测方向，但应用对象是体育纪录。
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
利用最大似然预测纪录
- 研究问题
- 如何仅根据不断刷新的纪录序列拟合表现模型、检验模型并进行预测，以及此类方法能否可靠推测长期运动表现极限？
- 方法与思路
- 作者借用删失数据分析思想，根据已观测纪录构造似然，拟合英里跑与马拉松纪录模型，并提出相应的残差分析方法。
- 材料陈述的贡献
- 摘要报告两类纪录的改善模式及分布比较，称短期预测表现尚可，同时对利用回归方法预测长期表现极限提出严重保留。
- 阅读关注点
- 应核对纪录观测对应的似然构造、年度最佳成绩的模型假设、残差检验与预测评估设计，以及长期外推受到哪些限制。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要；预测误差、评估方式和模型条件未说明，运动纪录结论不能直接外推至经济预测。
原文摘要
A maximum likelihood method of fitting a model to a series of records is proposed, using ideas from the analysis of censored data to construct a likelihood function based on observed records. This method is tried out by fitting several models to series of athletics records for mile and marathon races. A form of residual analysis is proposed for testing the models. Forecasting consequences are also considered. In the case of mile records, a steady linear improvement since 1931 is found. The marathon data are harder to interpret, with a steady improvement until 1965 with only slight improvement in world records since then. In both cases, the normal distribution appears at least as good as extreme-value distributions for the distribution of annual best performances. Short-term forecasts appear satisfactory, but serious reservations are expressed about using regression-type methods to predict long-term performance limits.