Estimating the Complete Sample Size from an Incomplete Poisson Sample
从不完整泊松样本估计完整样本量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：摘要关注截断泊松样本的缺失计数与规模估计，没有经济选择、因果效应或其他所列领域的专门证据，故不作细分归类。
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…
从不完整泊松样本估计完整样本量
- 研究问题
- 当泊松样本的零值类别缺失且可观测样本量本身随机时，如何估计未观测的零值数量，从而推算完整样本规模？
- 方法与思路
- 作者构造极大似然估计及修正的极大似然估计，理论分析其渐近性质，并通过蒙特卡洛实验和一个例子说明表现。
- 材料陈述的贡献
- 摘要称，所考察估计量在通常意义下渐近等价；按文中选定标准，一种修正估计量表现最好，并给出相应示例。
- 阅读关注点
- 应核对随机样本量的概率模型、零类与完整规模的关系、修正估计的构造，以及有限样本比较采用的具体评价标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未说明模拟范围、评价准则或优势幅度，不能将某修正估计的表现推广到所有设定。
原文摘要
Maximum likelihood estimators and a modified maximum likelihood estimator are developed for estimating the zero class from a truncated Poisson sample when the available sample size itself is a random variable. All the estimators considered here are asymptotically equivalent in the usual sense; hence their asymptotic properties are investigated in some detail theoretically as well as by making use of Monte Carlo experiments. One modified estimator appears to be best with respect to the chosen criteria. An example is given to illustrate the results obtained.