Quantile Estimation from Repeated Measurements
重复测量数据的分位数估计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：摘要直接以分位数估计和加权经验分布反演为核心，符合分位数与分布方法方向，但未涉及经济政策的分布效应。
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
重复测量数据的分位数估计
- 研究问题
- 在个体之间独立、同一个体内测量相关且测量次数可能不同的情形下，如何估计分位数并比较不同加权方案。
- 方法与思路
- 作者通过反演加权经验分布函数构造非参数分位数估计，研究所谓最优估计与基于个体内平均值的简单估计，并开展模拟。
- 材料陈述的贡献
- 摘要称，文章证明估计量的一致性与渐近正态性，考虑不等测量次数，并以人眼差异光敏感度数据展示正常范围估计。
- 阅读关注点
- 应核对目标分位数对应何种分布、个体内固定依赖的含义，以及加权规则、最优标准和测量次数不等的处理方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；分位数目标、最优性标准与模拟数值未说明，不能推断其他版本变化。
原文摘要
Quantile estimators for a nonparametric components of variance situation are proposed consistency and asymptotic normality are proved. Situations with different numbers of measurements for different subjects are considered. Measurements on separate subjects are assumed to be independent, whereas measurements on the same subject have a fixed dependence. The estimators are obtained by inverting weighted empirical distribution functions. An “optimal” estimator and a simple estimator based on within-subject averages are studied. Small-sample properties are studied by simulation as an illustration the estimators are applied to give normal limits for differential light sensitivity of the human eye.