A theorem of Jacobi and its generalization
Jacobi 定理及其推广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：摘要研究线性回归估计量的一般代数表示并用于工程问题，未明确涉及所列面板、结构或其他应用领域。
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
Jacobi 定理及其推广
- 研究问题
- 普通最小二乘估计可表示为若干基本参数估计量的加权和，这种 Jacobi 定理表示能否推广到广义最小二乘估计？
- 方法与思路
- 作者将线性回归中普通最小二乘估计的基本估计量加权表示推广至广义最小二乘，并应用于一个微波工程问题。
- 材料陈述的贡献
- 摘要称，论文建立了 Jacobi 定理对广义最小二乘估计的推广，并给出工程应用；未陈述额外的统计效率改进。
- 阅读关注点
- 应核对基本估计量与权重的定义、推广所需的设计矩阵及协方差条件，以及微波工程应用如何使用这一表示。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出定理条件、权重公式或应用结果，不能补造具体表示或算法优势。
原文摘要
A theorem of Jacobi (1841), which shows how the ordinary least-squares estimator from a linear regression can be represented as the weighted sum of ‘elementary’ estimators of the parameters, is extended to the generalized least-squares estimator. The generalization is applied to a problem in microwave engineering.