题目为“Inforpower: Quantifying the Informational Power of Probability Distributions (信息功效：量化概率分布的信息能力)”的论文正式发表在《AppliedMath》 2026, 6(2), 19. https://doi.org/10.3390/appliedmath6020019

摘要（译文）如下：

在许多科学和工程领域（例如，测量科学），概率密度函数通常用于包含噪声的信号系统的建模。传统的度量指标，例如均值、方差、熵和信息量，分别表征信号强度和不确定性（或噪声水平）。然而，系统的实际性能取决于信号和噪声之间的相互作用。在本文中，我们提出了一种名为“信息功效”的新度量指标，用于量化系统的信息能力，该指标能够明确地捕捉信号和噪声之间的相互作用。我们还提出了一种新的中心趋势度量指标，称为“信息能量中心”。本文给出了十种常用连续分布的信息功效和信息能量中心的闭合表达式。此外，我们提出了一种最大信息功效准则，它可以补充赤池信息准则（AIC）、最小熵准则和最大信息度准则，用于从一组候选分布中选择最佳分布。本文提供了两个示例（威布尔分布采样数据和塔纳河年最大流量数据），以证明所提出的最大信息功效准则的有效性，并将其与现有的拟合优度准则进行比较。

感兴趣的读者可以直接下载: AppliedMath 2026, 6(2)

https://www.mdpi.com/2673-9909/6/2/19