Estimating the Common Mean of Possibly Different Normal Populations: A Simulation Study
可能具有不同方差的正态总体共同均值估计：模拟研究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：摘要是异方差正态总体的通用均值估计模拟，没有给定计量领域细分的直接证据。
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
可能具有不同方差的正态总体共同均值估计：模拟研究
- 研究问题
- 多个正态总体具有共同均值但方差可能不同，样本较少时不同均值估计量的相对效率和区间估计表现如何？
- 方法与思路
- 作者用模拟比较共同均值估计量，构造基于修正最小范数二次无偏方差估计的加权最小二乘法，并考察 jackknife t 区间。
- 材料陈述的贡献
- 摘要称，在方差异质性较小至中等且各总体样本较少时，加权估计效率高于最大似然；所述区间的覆盖率和期望长度表现良好。
- 阅读关注点
- 应核对权重与方差估计的具体定义、异质性及样本量设置、效率比较口径，并查看 jackknife t 统计量对应的完整记号。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；方差上下标排版不清且部分估计量符号缺失，需查阅原 PDF，不能重构公式或推断未报告的模拟结果。
原文摘要
Relative efficiency of estimators of the common mean of possibly different normal populations N(μ, σ i 2) is investigated empirically. A weighted least squares estimator , with weights based on a modification of minimum norm quadratic unbiased (MINQU) estimators of the σ i 2, is found to be substantially more efficient than the maximum likelihood (ML) estimator of μ when the heterogeneity in the σ i , is small to moderate and the number of sample observations from a population is small. The jackknife t statistic for performed well in regard to both coverage probability and expected length of the confidence interval.