跳到正文
← 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:材料讨论一般分布分组和次序统计量设计,未涉及微观分布效应或经济预测。

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
Eve Bofinger

分布的最优分组与次序统计量的最优间距

研究问题
如何选择分布的分组区间以保留参数信息,并在大样本次序统计量问题中选择间距,使估计量的渐近方差较小?
方法与思路
作者以参数信息或皮尔逊φ平方为分组目标,研究二维边际分组的近似相关最大化,并连接次序统计量间距选择。
材料陈述的贡献
摘要称文章揭示分组分布与大样本次序统计量问题的联系,讨论最优间距,并详细研究位置参数和尺度参数估计。
阅读关注点
应核对不同最优化目标的定义、分组数量和区间限制、二维相关近似的条件,以及最优间距与渐近方差之间的关系。
阅读边界
仅据 OpenAlex 索引摘要,稿件版本未注明。摘要未给出最优分组公式、近似误差或效率收益,不能判断对具体分布的效果。

原文摘要

The optimal choice of intervals for grouped distributions is considered from the point of view of maximizing the information on a parameter or maximizing Pearson's φ2. For bivariate distributions, optimal marginal grouping is chosen to maximize (approximately) the correlation. Problems in order statistics from large samples are seen to be related to those for grouped distributions, and the optimal spacing is considered from the point of view of minimizing the asymptotic variance of an estimator. Estimators for location and scale parameters are considered in detail.

笔记与分组
相关领域论文