Normalizing transformations of some statistics in multivariate analysis
多元分析中若干统计量的正态化变换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：摘要涉及一般多元统计量的分布近似，没有所列计量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…
关注这篇论文的作者
多元分析中若干统计量的正态化变换
- 研究问题
- 如何用统一程序寻找多元分析统计量的正态化变换，并在这一框架下解释已有相关系数与卡方近似变换？
- 方法与思路
- 作者将一般正态化变换程序应用于多元统计量，并用相同思路推导正态样本相关系数的 Fisher z 变换及卡方近似。
- 材料陈述的贡献
- 摘要称，Fisher z 变换与 Wilson–Hilferty 卡方近似可由同一路径导出，提供了理解两种经典结果的统一方法。
- 阅读关注点
- 应核对正态化程序的展开依据、不同统计量所需分布条件、近似误差阶数，以及统一推导是否产生新的实用变换。
- 阅读边界
- OpenAlex 摘要版本未注明，未给出一般程序的适用条件或近似精度，不能据此认为变换后统计量严格服从正态分布。
原文摘要
A general procedure for finding normalizing transformations is applied to various statistics in multivariate analysis. It is shown that Fisher's z transformation for a sample correlation coefficient in a normal sample and Wilson & Hilferty's approximation for a chi-squared variate can be derived by the same line of approach.