Some Theory of Statistical Inference for Nonlinear Science
非线性科学统计推断的若干理论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：摘要属于混合过程下的通用非线性统计推断，缺乏归入具体宏观、微观或金融细分的直接证据。
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
非线性科学统计推断的若干理论
- 研究问题
- 如何为非线性科学与混沌理论中的相关维数、信息生成速率代理量和不稳定性指标估计标准误，从而支持正式统计检验？
- 方法与思路
- 作者以混合过程下U统计量的中心极限定理为主要分析工具，研究三类非线性动力学指标的标准误估计与统计推断。
- 材料陈述的贡献
- 摘要称，文章给出上述指标的标准误估计方法，为非线性科学和混沌理论从描述性度量走向正式假设检验提供理论进展。
- 阅读关注点
- 应核对各指标及估计量的定义、混合条件和渐近框架，并确认信息生成速率代理量与Kolmogorov熵本身之间的区别。
- 阅读边界
- 仅据摘要，无法确定标准误公式、有效检验的完整条件或有限样本表现；材料未提供具体宏观或金融时间序列应用。
原文摘要
This article shows how standard errors can be estimated for a measure of the number of excited degrees of freedom (the correlation dimension), and a measure of the rate of information creation (a proxy for the Kolmogorov entropy), and a measure of instability. These measures are motivated by nonlinear science and chaos theory. The main analytical method is central limit theory of U-statistics for mixing processes. The paper takes a step toward formal hypothesis testing in nonlinear science and chaos theory.