An Exact Chi-Squared Decomposition Theorem for Inverse Gaussian Variates
逆高斯变量的精确卡方分解定理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：摘要涉及通用分布理论与预测区间，未明确涉及时间序列预测或其他所列方向。
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
逆高斯变量的精确卡方分解定理
- 研究问题
- 逆高斯样本的缩放离差能否分解为相互独立的卡方变量之和，并用于预测区间与递归残差分析？
- 方法与思路
- 作者证明样本缩放离差的精确卡方分解，并展示该分解在预测区间构造与平方递归残差分析中的应用。
- 材料陈述的贡献
- 摘要称容量为 n 的逆高斯样本，其缩放离差可写成 n−1 个独立卡方变量之和，并提供相关应用示例。
- 阅读关注点
- 核对缩放离差的定义、各卡方项的自由度和独立性条件，以及未知参数处理与预测区间的覆盖性质。
- 阅读边界
- Crossref 摘要未说明各项自由度、样本条件或区间公式，不能据此补出总自由度及具体检验程序。
原文摘要
SUMMARY It is proved that the scaled deviance of an inverse Gaussian sample of size n can be expressed as a sum of n – 1 independent chi-square variates. Applications to prediction intervals and squared recursive-residuals are illustrated.