The Use of OLUMV Estimators in Inference Robustness Studies of the Location Parameter of a Class of Symmetric Distributions
用有序线性无偏最小方差估计量研究位置参数推断的稳健性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：摘要属于位置与尺度估计的一般稳健性研究，未讨论经济分位数或分布效应。
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
用有序线性无偏最小方差估计量研究位置参数推断的稳健性
- 研究问题
- 当总体分布偏离正态但仍属于一类对称分布时，如何借助有序线性无偏最小方差估计量研究位置参数推断的敏感性？
- 方法与思路
- 作者计算所选对称幂分布的位置与尺度估计系数，以单个位置参数和多个位置参数线性对比为例研究非正态敏感性。
- 材料陈述的贡献
- 摘要称论文提供相关估计系数、两个稳健性分析例子及与常用位置估计量的效率比较，并指出这些系数的其他用途。
- 阅读关注点
- 应核对对称幂分布的参数化、系数计算和样本量范围，以及稳健性衡量方式、线性对比推断与效率比较的条件。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；具体系数和比较结果未说明，不能把所选对称分布下的结果推广到任意污染分布。
原文摘要
Coefficients for computing ordered linear unbiased minimum variance (OLUMV) estimators of the location and scale parameters have been obtained for selected members of a class of symmetric power distributions which includes the normal, double exponential, and as a limiting case, the rectangular. Two examples are given illustrating how these coefficients may be used to study the sensitivity of inferences concerning location parameters to departure from normality. The first example involves a single location parameter while the second extends the method to linear contrasts of several location parameters. Other uses of the coefficients are indicated, and a comparison of the efficiencies of the OLUMV estimators with several commonly used estimators of location is given.