Combinations of Unbiased Estimators of the Mean Which Consider Inequality of Unknown Variances
考虑未知方差不等的共同均值无偏估计量组合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：摘要属于正态总体共同均值的通用估计理论，未涉及所列计量细分中的特定研究对象。
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
考虑未知方差不等的共同均值无偏估计量组合
- 研究问题
- 两个正态总体具有共同均值、未知且不同的方差时，如何利用已知的方差大小次序组合两组样本的均值估计？
- 方法与思路
- 作者提出三类无偏估计量，其中一类先检验总体方差比，再与不限制方差比的 Graybill–Deal 估计量比较效率。
- 材料陈述的贡献
- 摘要明确提出利用方差比大于一的信息构造估计量并研究效率收益，但未交代哪些估计量在何种情形下更优。
- 阅读关注点
- 应核对组合权重、无偏性条件、预检验规则与效率比较标准，特别关注样本量及方差比对比较结果的影响。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；权重公式、检验阈值和效率结果未说明，不能推断统一优势或刊本变化。
原文摘要
The problem considered in this paper is how to combine estimators of the common mean from two samples corresponding to normal populations with different unknown variances. Attention is confined to the case where it is known that the variance of one specific population exceeds that of the other. Three classes of unbiased estimators are presented, one of which is based on a preliminary test of significance regarding the ratio of the population variances. The gain achieved by utilizing the knowledge that the ratio of variances exceeds one is investigated by comparing the efficiencies of these estimators with an estimator presented by Graybill and Deal [1] in which no restriction on the ratio of variances is present.