Robust Statistical Modeling Using the t Distribution
使用 t 分布进行稳健统计建模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：摘要以通用厚尾稳健建模为核心，重复测量只是多种应用之一，具体领域分类的证据不足。
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…
使用 t 分布进行稳健统计建模
- 研究问题
- 面对比正态分布更厚尾的误差，如何用多元 t 分布统一处理回归、缺失数据和重复测量，并评估估计精度及模型适配性？
- 方法与思路
- 作者提出基于多元 t 误差的最大似然分析策略，通过自由度调节厚尾程度，并讨论渐近精度、bootstrap 与图形诊断。
- 材料陈述的贡献
- 摘要称，该策略可用于多种线性及非线性模型，许多模型仅需适度增加计算复杂度，并提供精度评估与分布检查方法。
- 阅读关注点
- 应核对自由度的估计或设定、不同应用中的误差依赖结构，以及稳健性、计算复杂度和图形诊断的具体依据。
- 阅读边界
- 摘要未给出统一稳健性保证、算法细节或比较数值，不能断言 t 模型总优于正态模型；索引摘要版本未注明。
原文摘要
The t distribution provides a useful extension of the normal for statistical modeling of data sets involving errors with longer-than-normal tails. An analytical strategy based on maximum likelihood for a general model with multivariate t errors is suggested and applied to a variety of problems, including linear and nonlinear regression, robust estimation of the mean and covariance matrix with missing data, unbalanced multivariate repeated-measures data, multivariate modeling of pedigree data, and multivariate nonlinear regression. The degrees of freedom parameter of the t distribution provides a convenient dimension for achieving robust statistical inference, with moderate increases in computational complexity for many models. Estimation of precision from asymptotic theory and the bootstrap is discussed, and graphical methods for checking the appropriateness of the t distribution are presented.