在实际的建模应用中,经常会遇到数据不满足建模需要的正态性假定的情况,因此会对数据进行一定的变换使满足正态性假定再进行建模处理。本文对于建模完成后,如何对原始变量进行预报和预报精度的相关问题进行了讨论。第二章和第三章分别利用均值处泰勒展开的方法和蒙特卡洛的方法对于一般的函数变换建模后预报问题给出一般的估计方法,以及方差的估计方式,进而讨论了这种情况下利用泰勒展开方法和蒙特卡洛方法的相合性和渐近正态性。每章后面利用平方变换和logit变换两个模拟例子,说明两种预报方式都能够对原始变量的预报做出一定的调整,与利用变换后变量的模型预报值直接进行逆变换的估计方式作比较。第四章中通过气象上的实际例子也验证了这两种预报方法对原始变量预报的调整。得到预报更接近真值的顺序为均值处泰勒展开、蒙特卡洛方法、逆变换方法,考察估计偏离程度的标准主要是交叉验证(CV检验)。