Use of the Gibbs Sampler to Obtain Conditional Tests, with Applications
利用 Gibbs 抽样获得条件检验及其应用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：摘要讨论通用条件抽样与拟合优度检验，未给出所列领域细分的直接依据。
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…
利用 Gibbs 抽样获得条件检验及其应用
- 研究问题
- 对于具有最小充分统计量的分布，如何从给定充分统计量值的样本条件分布抽样，并据此开展拟合优度检验？
- 方法与思路
- 作者使用 Gibbs 抽样生成条件充分样本，以伽马分布说明程序，并将相应检验与参数自助法近似检验比较大小和功效。
- 材料陈述的贡献
- 摘要称，条件充分样本可用于精确拟合检验，并展示伽马分布的比较；摘要没有报告大小与功效的具体数值或优劣结论。
- 阅读关注点
- 应核对条件分布的构造、Gibbs 更新与约束处理，并区分理想条件检验的精确性和有限链抽样带来的蒙特卡洛误差。
- 阅读边界
- 依据版本未注明的索引摘要；链的收敛条件、精确检验的实现细节和比较结果未说明，不能据此保证有限运行的精确性。
原文摘要
A random sample is drawn from a distribution which admits a minimal sufficient statistic for the parameters. The Gibbs sampler is proposed to generate samples, called conditionally sufficient or co-sufficient samples, from the conditional distribution of the sample given its value of the sufficient statistic. The procedure is illustrated for the gamma distribution. Co-sufficient samples may be used to give exact tests of fit; for the gamma distribution these are compared for size and power with approximate tests based on the parametric bootstrap.