Analysis of Extreme-Value Data by Sample Quantiles for Very Large Samples
利用样本分位数分析超大样本极值数据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：摘要讨论通用极值参数与分位点估计，未提供经济分布效应或金融风险方向的明确背景。
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
利用样本分位数分析超大样本极值数据
- 研究问题
- 在样本量很大的情况下，能否仅利用少量样本分位数估计极值分布的位置、尺度及百分位点，并处理参数已知程度不同的情形？
- 方法与思路
- 作者分别构造另一参数已知时的位置或尺度估计量，并在两参数均未知时用两个次序统计量迭代估计，同时讨论百分位点。
- 材料陈述的贡献
- 摘要称给出不同已知参数情形下的估计方案、两参数未知时的迭代程序及百分位点估计，并与 Lieblein 方法进行比较。
- 阅读关注点
- 应核对所用极值分布、次序统计量的选择与大样本近似条件，查看两参数迭代的稳定性及与既有方法比较的具体标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；“很大样本”的具体要求、比较结果及误差表现未说明，不能推断方法优势。
原文摘要
This paper deals with estimating the location and the scale parameters of the extreme value distribution when the sample size is very large, using sample quantiles. An estimator is given for the location parameter when the scale parameter is known, based on one or more (up to 15) order statistics. Also given is an estimator for the scale parameter when the location parameter is known, built on two order statistics. An iterative procedure is utilized to estimate the parameters when both are unknown, using two order statistics. The problem of estimating the percentage point is also dealt with, and a comparison with Lieblein's method is included.