Percentile Estimators for the Parameters of the Weibull Distribution
威布尔分布参数的百分位数估计量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：摘要讨论参数分布的分位数估计，未涉及所列领域中的分位数效应或具体经济应用。
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
威布尔分布参数的百分位数估计量
- 研究问题
- 在形状参数已知时，如何利用少量样本分位数估计威布尔分布的位置与尺度参数，并评价大样本效率？
- 方法与思路
- 摘要采用基于两个、四个和六个样本分位数的最佳线性无偏估计，研究分位点间距与估计系数的选择。
- 材料陈述的贡献
- 摘要称给出了最优样本分位点间距、计算估计量所用的系数，以及相应方差和渐近效率，供不同方案比较。
- 阅读关注点
- 应核对形状参数已知的设定、线性无偏性的适用范围、最优间距的目标，以及渐近效率采用的比较基准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；未提供具体系数、方差数值或有限样本表现，也不能推断形状未知时的性质。
原文摘要
Large sample estimation of the location and the scale parameter of the Weibull distribution, when the shape parameter is known simultaneously, is considered. Best linear unbiased estimates based on k = 2, 4 and 6 sample quantiles are used. The optimum spacings of the sample quantiles, the coefficients to be used in computing the estimates and their variances and asymptotic efficiencies are given.