Characterization of a Family of Distributions by the Independence of Size and Shape Variables
通过大小变量与形状变量的独立性刻画分布族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：摘要属于大小与形状独立性的通用分布刻画理论，未直接研究分位数效应或其他给定领域细分。
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
通过大小变量与形状变量的独立性刻画分布族
- 研究问题
- 对于相互独立的正随机变量，何种齐次大小函数能使大小与标准化形状独立，这种独立性又能刻画哪些分布族？
- 方法与思路
- 作者考察几何均值、幂和型函数、最小值及最大值作为大小变量时的独立性，并在密度与函数连续性条件下研究其范围。
- 材料陈述的贡献
- 摘要称这些大小变量分别刻画对数正态、广义伽马、Pareto 和幂函数等分布，并在所述条件下论证其基本穷尽性。
- 阅读关注点
- 应核对各分布刻画的完整前提、连续与离散情形的差别，以及“基本仅有这些变量”的精确定义和尺度参数充分统计量联系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；完整刻画条件及例外未给出，不能将穷尽性陈述推广到任意大小函数或任意分布。
原文摘要
Let $X_1, \cdots, X_n$ be $n \geqslant 2$ positive random variables and $G(\mathbf{X})$ a positive variable satisfying $G(a\mathbf{X}) = aG(\mathbf{X})$ for all $a > 0$. Then $G$ is a size variable, and $\mathbf{X}/G$ is a shape vector. If $X_1, \cdots, X_n$ are independent, then the independence of shape and the size variable $G(\mathbf{X})$ characterizes (i) the lognormal distribution if $G(\mathbf{X}) = \Pi X^{1/n}_i$, (ii) the generalized gamma distribution if $G(\mathbf{X}) = (\sum X^b_i)^{1/b}$, (iii) the Pareto distribution or its discrete analogue if $G(\mathbf{X}) = \min(\mathbf{X})$, and (iv) the power-function distribution or its discrete analogue if $G(\mathbf{X}) = \max(\mathbf{X})$. It is shown here that if $X_1, \cdots, X_n$ have piecewise continuous density functions and $G$ is a continuous function then these four size variables are effectively the only ones for which such independence properties are attainable. A connection with the theory of sufficient statistics for a scale parameter is also considered.