Random Means
随机均值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：摘要讨论通用稳健均值与学生化理论，未明确研究所列领域中的特定对象。
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
随机均值
- 研究问题
- 随机截尾与随机温莎化均值在什么条件下具有渐近正态性，如何进行小样本学生化，并将相关问题扩展至两样本情形？
- 方法与思路
- 作者建立随机截尾和温莎化均值的渐近正态一般定理，提出新的小样本学生化方法，并通过多个例子讨论两样本问题。
- 材料陈述的贡献
- 摘要称，本文给出一般渐近正态性结果和一种小样本学生化方案，提供多种例子并考虑两样本问题，但未列明具体性能改进。
- 阅读关注点
- 应核对随机截尾规则与样本的依赖关系、尾部及矩条件，以及学生化所用尺度估计和两样本推广的具体形式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；定理条件、学生化公式与小样本表现未说明，不能仅凭提出新方法就认定推断更准确。
原文摘要
General theorems on asymptotic normality of randomly trimmed and Winsorized means are obtained. A new small sample studentization is proposed. Many examples are presented. The two sample problem is also considered.