Empirical Likelihood in Biased Sample Problems
有偏抽样问题中的经验似然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：摘要研究一般有偏抽样下的非参数推断，未明确涉及因果效应识别或所列其他细分方向。
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
有偏抽样问题中的经验似然
- 研究问题
- 非参数经验似然如何扩展到有偏抽样问题，以支持假设检验及总体均值的似然比置信区间构造？
- 方法与思路
- 作者将已有非参数经验似然结果推广到有偏抽样设置，建立用于均值置信区间的Wilks定理，并开展讨论与模拟。
- 材料陈述的贡献
- 摘要明确给出有偏抽样下的经验似然扩展及Wilks型结果，为均值的似然比置信区间提供理论依据。
- 阅读关注点
- 应核对有偏抽样机制及其已知信息、均值的可识别条件、经验似然约束，以及Wilks定理和模拟的适用设置。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；抽样机制、定理条件和模拟结果未说明，不能判断对未知选择机制的适用性。
原文摘要
It is well known that we can use the likelihood ratio statistic to test hypotheses and to construct confidence intervals in full parametric models. Recently, Owen introduced the empirical likelihood method in nonparametric models. In this paper, we generalize his results to biased sample problems. A Wilks theorem leading to a likelihood ratio confidence interval for the mean is given. Some extensions, discussion and simulations are presented.