Serial Dependence in Contingency Tables
列联表中的序列依赖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：摘要直接分析马尔可夫链造成的序列依赖对检验分布的影响，涉及时间依赖下的统计推断。
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
列联表中的序列依赖
- 研究问题
- 当二维列联表的数据存在马尔可夫序列依赖时，Pearson 独立性检验的渐近分布如何变化，何时仍可使用通常的卡方极限？
- 方法与思路
- 作者给出 Pearson 独立性检验统计量渐近行为的表示，并用它分析马尔可夫链生成数据时的分布及依赖影响。
- 材料陈述的贡献
- 摘要称提供了简明的渐近表示，并给出稳健性结果，说明在某些条件下马尔可夫依赖不改变通常的卡方极限分布。
- 阅读关注点
- 应核对马尔可夫链的设定、列联表单元与状态的对应、渐近表示，以及依赖不影响卡方极限所需的具体条件。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未说明稳健性条件，不能把结论理解为任意马尔可夫依赖下都可沿用通常卡方检验。
原文摘要
SUMMARY A simple and useful representation is given for the asymptotic behaviour of the Pearson χ 2 test of independence in two-way contingency tables. This is used to analyse the statistic when the data are generated by Markov chains. A robustness result, showing when the Markov dependence has no effect on the usual limiting χ2 distribution, is also given.