Small Sample Performance of Some Estimators of the Truncated Binomial Distribution
零截断二项分布若干估计量的小样本表现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：摘要讨论遗传学背景下的截断分布估计，未提供与所列计量领域细分直接对应的证据。
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
零截断二项分布若干估计量的小样本表现
- 研究问题
- 研究已知试验次数、零类别被截断的二项分布中，成功概率的不同估计量在小样本偏差与效率上有何差异。
- 方法与思路
- 作者给出精确比较结果，考察 Mantel、最大似然和 Weinberg 简单同胞法，并比较迭代最大似然的初始估计选择。
- 材料陈述的贡献
- 摘要称 Mantel 估计量在渐近及小样本下偏差更小，在所列遗传学参数值下相对最大似然的效率接近百分之百。
- 阅读关注点
- 应核对各估计量的定义、效率比较的损失标准与参数范围，以及精确小样本计算和迭代初始值比较的具体设置。
- 阅读边界
- 所给索引摘要中的概率表达式上下标不清，需查原文核对；摘要未说明完整参数范围，不能将局部比较推广为普遍优越性。
原文摘要
Estimation of the parameter of a binomial distribution with the zero class truncated is a classical problem in human genetics. Mathematically the problem is the estimation of p from n, independent observations with distribution, (r s)prqs-r/(1 - qs) where r = 1, 2, ··· s, q = 1 - p and s ≥ 2 is a known integer. This article gives exact results which show the simple estimator of Mantel [17] to be less biased, both asymptotically and in small samples, than either the ML estimator or Weinberg's simple sib method. Its efficiency relative to the ML estimator is better in small than in large samples, ranging from 97 percent to 101 percent for the genetically important cases of p = .25 and .50. Mantel's estimator performs better than the simple sib method as an initial estimator in iterative ML scoring.