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:分组与次序统计量属于通用估计设计,摘要未明确研究分位数效应或其他所列领域。

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隔

研究问题
如何选择分布分组的区间以保留参数信息或增强关联,以及如何安排大样本次序统计量的间隔来降低估计量的渐近方差?
方法与思路
作者分别考虑参数信息、Pearson 指标和近似相关最大化,将分组问题与次序统计量间隔联系起来,详细研究位置及尺度估计。
材料陈述的贡献
摘要称,讨论了不同目标下的最优分组,并揭示其与大样本次序统计量间隔选择的联系,提供位置和尺度参数的分析。
阅读关注点
应核对各优化目标的精确定义、允许选择的区间或间隔,以及双变量相关最大化所用近似和渐近方差结果的适用条件。
阅读边界
仅据版本未注明的索引摘要;摘要未给出最优区间、间隔公式或效率增益,不能把不同优化目标下的最优性混为一谈。

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