Statistical inference for bounds of random variables
随机变量边界的统计推断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：摘要讨论通用分布支持边界的估计，未明确涉及经济分布效应或金融尾部风险。
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
随机变量边界的统计推断
- 研究问题
- 如何估计随机变量的上界或下界，并在包括单端或双端截断分布的类别中构造置信界、假设检验及更好的点估计？
- 方法与思路
- 作者构造区别于极端次序统计量的边界点估计量，同时建立边界的置信界与假设检验；摘要说明主要结果为大样本结果。
- 材料陈述的贡献
- 摘要称，对许多随机变量类别，包括单端或双端截断分布，新点估计量明显优于极端次序统计量，并提供边界推断程序。
- 阅读关注点
- 应核对所涵盖的分布类别、边界附近的条件、优于极端次序统计量的评价准则，以及置信界与检验的大样本保证。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未展开改进的条件与幅度，主要为大样本结果，不能推断小样本或任意分布下的优势。
原文摘要
Robson & Whitlock (1964) considered point estimation and confidence limits for the upper bound of a random variable when the bound was known to be a truncation point. However, their approach to the point estimation problem failed to produce an estimator with smaller mean squared error than the largest order statistic from a random sample. In this paper we construct point estimators of the bounds of random variables which are substantially better estimators than the extreme order statistics for many classes of random variables, including those whose distributions are truncated at one or both ends. We also construct confidence limits and tests of hypotheses for bounds. The main results are large sample results.